10.11975/j.issn.1002-6819.2019.19.013
基于无人机数码影像的冬小麦株高和生物量估算
高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义.该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像.首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model ,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest, R F )3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型.结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R2=0.721 2 ,RMSE=0.137 2 kg/m2 ,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R2=0.819 1 ,RMSE=0.110 6 kg/m2 ,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R2=0.794 1,RMSE=0.117 9 kg/m2,NRMSE=22.56%);SWR生物量估算模型(R2=0.7212)效果优于PLSR(R2=0.677 4)和RF(R2=0.657 1)生物量估算模型.该研究为冬小麦生长状况高效、快速监测提供参考.
无人机、数码影像、作物表面模型、冬小麦、株高、生物量、逐步回归
35
S252(农业航空)
国家自然科学基金41601346,41871333
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
107-116