农业机械学报

作者：于海琳，兰玉彬，李京谦，杨蕾，崔文豪，赵军胜，宫慧慧，赵静

单位：山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东省农业科学院,山东省农业科学院,山东理工大学,

关键词：向日葵;叶面积指数;无人机遥感;特征组合;机器学习;反演

基金：山东省自然科学基金项目（ZR2021MD091）和山东省引进顶尖人才“一事一议”专项经费项目（鲁政办字［2018］27号）

为快速、准确获取育种向日葵叶面积指数，通过无人机搭载多光谱相机和DJI L1型激光雷达镜头，获取向日葵现蕾期、开花期和成熟期的无人机遥感数据。计算了9种多光谱植被指数和8类纹理特征，提取了8种LiDAR特征参数，利用皮尔逊相关系数法筛选出与LAI相关性高的4种植被指数、3类纹理特征和4种LiDAR特征参数；采用K近邻（K-nearest neighbor, KNN）、随机森林（Random forest，RF）、极致梯度提升树（eXtreme gradient boosting，XGBoost）和分类提升算法（Category boosting，CatBoost），分别构建基于植被指数、纹理特征、LiDAR特征参数、植被指数+纹理特征、植被指数+LiDAR特征参数、纹理特征+LiDAR特征参数和3类特征组合的向日葵LAI估测模型，利用决定系数（Coefficient of determination，R2）和均方根误差（Root mean square error，RMSE）来评价模型精度；采用最佳模型反演育种向日葵LAI并将其可视化。结果表明，CatBoost算法与植被指数+纹理特征+LiDAR特征参数建立的向日葵LAI估测模型在3个时期的效果最好，决定系数分别为0.93、0.91和0.90，均方根误差分别为0.13、0.14和0.15。研究结果可为向日葵育种及田间精准管理提供依据。

来源：2025年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第1期