基于无人机多光谱遥感的冬油菜地上部生物量估算

摘要：

地上部生物量(Above-ground biomass,AGB)是判断作物生长发育的重要指标,对作物不同生长阶段地上部生物量进行快速、准确、无损遥感监测对精准农业生产具有重要意义.本文在西北关中地区开展田间试验,以不同水氮处理下冬油菜为研究对象,通过对其生理生长指标以及产量进行分析,确定I2N3(越冬期和蕾薹期补灌,施氮量为280 kg/hm2)处理为该地适宜的水氮管理策略.使用无人机获取冬油菜营养生长期和生殖生长期多光谱图像,采用阈值法对多光谱图像中的阴影和土壤背景进行掩膜处理,提取各波段反射率,构建植被指数.将冬油菜地上部生物量实测数据与21 个光谱变量进行相关性分析,筛选出各生长阶段相关系数绝对值排名前8 个光谱变量作为输入量,通过随机森林(RF)、支持向量机(SVM)、遗传算法优化支持向量机(GA-SVM)和粒子群优化支持向量机(PSO-SVM)构建不同生长阶段冬油菜地上部生物量估算模型,确定最佳估算模型.结果表明,全生长阶段和生殖生长阶段红光波段反射率显著性最强且稳定,相关系数分别达到0.835 和0.754;PSO-SVM 模型更适合用于反演关中地区冬油菜不同生长时期的AGB,其在全生长时期、营养生长时期和生殖生长时期的验证集R2分别为0.866、0.962 和0.789,模拟所用时间分别为1.299、0.859、0.666 s.

关键词：冬油菜、无人机、多光谱、机器学习模型、地上部生物量

所属期刊栏目：54

分类号：S252(农业航空)

资助基金：国家自然科学基金52179045

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：218-229