农业机械学报

作者：邵国敏，韩文霆，周蓓蓓，王毅，蔺广花

单位：西安理工大学,西北农林科技大学,西安理工大学,西安财经大学,延长油田股份有限公司吴起采油厂,

关键词：玉米;地上生物量;无人机多源遥感;参考蒸散量;纹理信息;光谱指数

基金：国家重点研发计划项目（2022YFD1900802）、国家自然科学基金优秀青年科学基金项目（52222903）、陕西省重点研发计划项目（2024NC-ZDCYL-05-01）和陕西省自然科学基础研究计划项目（2022JQ-363）

快速、准确地监测作物地上生物量的时空分布情况对于作物长势状况评估及农田精准灌溉管理具有重要意义。光谱指数已广泛应用于地上生物量估算，但高覆被下光谱饱和效应严重影响模型性能，另外，结合无人机遥感光谱、温度和纹理信息之间的互补与协同效应进行农田尺度不同生育期和不同灌溉量处理下玉米地上生物量估算的适用性以及气象因素对于遥感模型估算年际间地上生物量的影响仍需深入探究。本文以2018、2019、2021年内蒙古不同实验地数据为基础，使用无人机多源遥感系统获取的光谱指数、温度指数和纹理信息以及气象参数（参考蒸散量和饱和水汽压差）作为输入特征参数，采用逐步回归、随机森林回归、自适应增强回归、支持向量回归和一维卷积神经网络回归5种建模方法，建立多源特征融合的大田玉米地上生物量遥感估算模型。研究结果表明：与单一类型遥感信息相比，融合光谱、温度和纹理信息的地上生物量估算模型精度较好，其中一维卷积神经网络回归模型的精度相对较好（验证集R2=0.87，RMSE为295.77g/m2）；引入气象参数后，地上生物量无人机多源估算模型精度无明显提升，表明气象参数与无人机多源遥感信息存在冗余；考虑到无人机机载设备的成本因素及作业效率，本研究中基于光谱指数和气象参数的地上生物量随机森林估算模型的精度也较高（验证集R2=0.85，RMSE为296.74g/m2），说明气象参数可作为光谱指数的补充，推荐其进行年际间大田玉米地上生物量估算；地上生物量一维卷积神经网络模型的性能在不同生育期存在差异，因此需根据作物生育期来综合评估模型性能。本研究为促进无人机多源遥感技术在农田精准灌溉管理上的应用提供了技术支持。

来源：2025年第12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12期