农业机械学报

作者：谷晓博，徐洋，程智楷，周智辉，韦春宇，杜娅丹

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：覆膜冬小麦;叶片含水率;无人机多光谱;机器学习;纹理特征;反演

基金：国家重点研发计划项目（2021YFD1900700）和陕西省重点研发计划项目（2023-YBNY-040）

精准高效获取作物叶片含水率对于指导农田灌溉具有重要意义。本研究以2022—2023年覆膜冬小麦为研究对象，利用无人机搭载多光谱相机采集冬小麦返青、拔节、抽穗、灌浆期的光谱信息，采用极限学习机（ELM）、随机森林（RF）、粒子群优化支持向量机（PSO-SVM）建立冬小麦叶片含水率模型，对比分析以“植被指数+纹理特征”和“植被指数”为输入变量的叶片含水率反演精度，并通过迭代子集变量优化（IVSO）方法筛选各生育期的特征变量进行重新建模。结果表明， “纹理特征+植被指数”作为输入变量提高了冬小麦叶片含水率反演精度，极限学习机、随机森林、粒子群优化向量机R2分别平均提高19.19%、16.85%、19.40%。其中，利用随机森林模型反演覆膜冬小麦叶片含水率的精度在返青-灌浆期最高（训练集R2、MAE和RMSE分别为0.94、0.02g/g和0.03g/g，测试集R2、MAE和RMSE分别为0.88、0.03g/g和0.05g/g）；随机森林模型在经过迭代子集变量优化方法后拔节、抽穗和灌浆期的R2分别提高19.09%、20.58%和12.21%。研究结果可为无人机多光谱遥感监测覆膜冬小麦叶片含水率提供理论参考。

来源：2025年第9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9期