不同生育期小麦冠层SPAD值无人机多光谱遥感估算

摘要：

随着长江中下游稻麦轮作区水稻成熟期的推迟,冬小麦播期的推迟已经成为影响产量的主要障碍,因此在迟播小麦中筛选抗性较好的品种很有必要.该研究旨在监测冬小麦生长早期冠层叶片的相对叶绿素含量,用于迟播冬小麦品种筛选.为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于多光谱无人机获取的 5 个单波段光谱反射率和 15 个植被指数作为自变量,经过递归特征消除法(RFE)特征变量筛选,去除冗余变量,利用后向神经网络(BP)回归算法构建冬小麦相对叶绿素含量(SPAD)值遥感反演模型.根据 2020 年—2021 年江苏省扬州市广陵区实验点冬小麦越冬期、拔节期两个生育期的实测叶片 SPAD值,结合同步获取的多光谱无人机影像,分析了这两个生育期遥感变量和SPAD值之间的相关性.并结合遥感变量之间的特征重要性排序进行特征变量筛选,筛选出的变量作为模型的输入,构建并筛选出各生育期最佳的反演模型.比较岭回归(Ridge)和梯度提升树(GBD)算法,以R2 和RMSE作为模型评价指标,在验证集上分析了各生育期 3 种模型的自学习能力和泛化能力.结果表明,经过了最优光谱信息筛选而建立的 BP神经网络模型在此两个生育期的数据集上均表现出了最强的回归预测能力.R2 和 RMSE 在越冬期分别为0.806 和 1.861,拔节期分别为 0.827 和 0.507.通过对无人机多光谱数据进行变量筛选,构建的优选模型BP神经网络具有较高估算精度,且表明在冬小麦的早期监测中,拔节期比越冬期效果好.利用无人机多光谱在估算迟播冬小麦 SPAD值进行品种抗性筛选的方法是有价值的.

关键词：品种筛选、无人机、小麦SPAD值、BP神经网络、特征选择

所属期刊栏目：43

分类号：S127(农业物理学)

资助基金：江苏省研究生培养创新工程研究生科研与实践创新计划;国家重点研发计划;江苏省重点研发计划项目;扬州大学高端人才支持计划;江苏高校优势学科建设工程资助项目

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1912-1920