多信息融合的冬小麦地上鲜生物量检测研究

摘要：

将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合，对冬小麦地上鲜生物量进行预测，提高了冬小麦地上鲜生物量无损检测精度，试验获取苗期93个样本的冠层光谱和冠层图像，中后期（拔节期、抽穗期、开花期、灌浆期）200个样本的冠层光谱和侧面图像。将光谱反射率作为光谱特征参数，并通过图像处理提取小麦覆盖度作为图像特征参数，建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型，将冠层光谱反射率和小麦覆盖度作为多信息融合的输入，利用多元回归分析（MRA）和偏最小二乘法（PLS）建立地上鲜生物量预测模型并进行验证。结果表明，在苗期和中后期，将光谱信息和图像信息融合，采用 PLS 所建立的预测模型与单独的图像模型和光谱模型相比精度最高。苗期基于信息融合所建立的 PLS 模型验证集 R2为0.881，其 RMSE 为0.015 kg ；中后期基于信息融合所建立的 PLS 模型验证集R2为0.791，RMSE 为0.059 kg 。由此可见，相比单一的光谱模型和图像模型，图像信息和光谱信息融合之后，充分提高了光谱信息和图像信息的利用率，使模型的精度得以提高。

关键词：多信息融合、偏最小二乘回归、冠层光谱、机器视觉、冬小麦、生物量

所属期刊栏目：36

分类号：S132(农业化学)

资助基金：国家自然科学基金项目31201125;农业部公益性行业科研专项项目201203026;北京市自然科学基金项目4142019

在线出版日期：2016-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1818-1825