农业机械学报

作者：齐浩，孙海芳，吕亮杰，李偲，闵家楠，侯亮

单位：河北省农林科学院,河北省农林科学院,河北省农林科学院,河北省农林科学院,河北省农林科学院,河北省农林科学院,

关键词：小麦;叶面积指数;无人机多光谱;植被指数;纹理特征;机器学习

基金：河北省现代农业产业技术体系小麦创新团队项目（21326318D）、河北省农林科学院基本科研业务费项目（2023090101）和河北省农林科学院科技创新专项项目（2022KJCXZX-NXS-5）

叶面积指数(Leaf area index，LAI)是作物生长监测和产量预测的重要指标之一，为探究基于无人机多光谱技术的小麦LAI估测模型潜力，本文以小麦育种材料为研究对象，基于无人机平台获取小麦拔节期、孕穗期、抽穗期、开花期的多光谱图像，得到12种植被指数（Vegetation index，VI）及各波段的8种纹理特征（Texture features，TF）。然后，利用皮尔逊相关性分析方法筛选与LAI相关性较强的VI和TF，在优选2类特征基础上，利用递归特征消除法（Recursive feature elimination，RFE）筛选两者结合的综合特征（Comprehensive features，CF）。最后，基于3类特征，采用多元线性回归（Multiple linear regression，MLR）、支持向量回归（Support vector regression，SVR）、梯度提升回归（Gradient boosting regression，GBR）3种机器学习算法构建LAI估测模型，比较模型在各生育期的估测精度差异。结果表明：CF有效提高了小麦各生育期LAI估测精度；3种机器学习算法中，GBR更具稳定性，对3类特征均有较好的LAI拟合效果；以植被指数RVI、NDVI和纹理特征NIR_COR、R_MEA作为输入变量，结合GBR算法能够准确估测小麦LAI，所有时期训练集R2为0.91，RMSE为0.45，测试集R2为0.84，RMSE为0.67。本研究可为基于多光谱技术的小麦LAI估测提供应用参考。

来源：2025年第3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3期