基于无人机多时相多特征的冬小麦产量预测模型研究

文献类型： 中文期刊

第一作者： 赵泽阳

作者： 赵泽阳;李美玲;徐伟;刘冰雪;黄鹏宇;康迪;张改生;宋瑜龙

作者机构：

关键词： 植被指数;纹理特征;多生育时期;冬小麦;产量预测模型

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2025 年 45 卷 008 期

页码： 1089-1100

收录情况： 北大核心 ; CSCD

摘要： 为实现冬小麦产量的准确估算，利用无人机采集266个小麦品种（系）的多时相冠层多光谱数据，提取多个植被指数，分别基于多元线性回归（PLSR）、支持向量机（SVR）、随机森林（RF）、反向传播神经网络（BP）等机器学习算法建立单一生育时期和多生育时期结合的小麦籽粒产量预测模型，并采用决定系数（R2）、均方根误差（RMSE）对所获模型精度进行评价。结果表明，基于植被指数进行单一生育时期的产量预测时，最佳预测时期是灌浆中期，最优模型是RF模型，其预测R2和RMSE分别为0.655和0.550 kg·m-2;多生育时期结合进行产量预测时，最优模型是基于5个生育时期（扬花期、灌浆中期、灌浆后期、蜡熟期和完熟期）多光谱数据的RF模型，其预测R2和RMSE分别为0.834和0.381 kg·m-2。在建模特征中加入纹理特征后，冬小麦产量预测模型的精度进一步提高，其中以蜡熟期和完熟期结合的SVR模型最优，其预测R2和RMSE分别为0.924和0.253 kg·m-2。因此，可基于植被指数加纹理特征对冬小麦产量进行无人机冠层光谱预测，其中以基于多生育时期（蜡熟期、完熟期）的SVR模型预测精度最佳。

分类号： TP18%TP751%S512.11

  • 相关文献

[1]无人机飞行高度对冬小麦植株氮积累量预测模型的影响. 井宇航,郭燕,张会芳,戎亚思,张少华,冯伟,王来刚,贺佳,刘海礁,郑国清. 2022

[2]结合植被指数与纹理特征的玉米冠层FAPAR遥感估算研究. 王思宇,聂臣巍,余汛,邵明超,王梓旭,努热曼古丽·托乎提,刘亚东,程明瀚,官云兰,金秀良. 2021

[3]综合光谱纹理和时序信息的油茶遥感提取研究. 孟浩然,李存军,郑翔宇,宫雨生,刘玉,潘瑜春. 2023

[4]基于无人机多光谱影像的玉米含水量监测模型研究. 杨淑婷,海云瑞,王微,王蓉,周洋. 2022

[5]基于无人机多光谱信息与纹理特征融合的小麦叶面积指数估测. 齐浩,孙海芳,吕亮杰,李偲,闵家楠,侯亮. 2025

[6]融合无人机光谱信息与纹理信息的冬小麦生物量估测. 刘畅,杨贵军,李振海,汤伏全,王建雯,张春兰,张丽妍. 2018

[7]融合无人机光谱信息与纹理特征的冬小麦综合长势监测. 承达瑜,何伟德,付春晓,赵伟,王建东,赵安周. 2024

[8]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华. 2012

[9]基于高光谱响应与模拟模型的冬小麦变量追氮研究. 蒋阿宁,黄文江,王纪华,刘克礼,赵春江,刘良云. 2007

[10]基于生长度日的冬小麦植株氮浓度监测. 赵钰,李振海,杨贵军,王建雯,段丹丹,杨武德,冯美臣. 2019

[11]基于面积指数的植株氮含量遥感估算. 杨福芹,冯海宽,谢瑞,韩佩佩,戴渝心,蔡国盛,金丽妍. 2020

[12]冬小麦白粉病冠层光谱特征解析与病情指数反演. 范友波,顾晓鹤,王双亭,杨贵军,王磊,王立志,陈召霞. 2017

[13]基于无人机高光谱和数码影像数据的冬小麦生物量反演. 李天驰,冯海宽,朱贝贝,范园园,金丽妍,成倩,李倩雨. 2020

[14]基于无人机高光谱遥感数据的冬小麦生物量估算. 陶惠林,冯海宽,徐良骥,杨贵军,杨小冬,苗梦珂,刘明星. 2020

[15]基于无人机高光谱遥感的冬小麦株高和叶面积指数估算. 陶惠林,徐良骥,冯海宽,杨贵军,代阳,牛亚超. 2020

[16]扫描成像光谱仪和地物光谱仪在单叶尺度上的对比研究. 张东彦,宋晓宇,马智宏,杨贵军,黄文江,王纪华. 2010

[17]基于高光谱维数约简与植被指数估算冬小麦叶面积指数的比较. 付元元,杨贵军,冯海宽,徐新刚,宋晓宇,王纪华. 2012

[18]融合多因子的无人机高光谱遥感冬小麦产量估算. 谢瑞,杨福芹,冯海宽,李天驰. 2023

[19]利用无人机高光谱估算冬小麦叶绿素含量. 冯海宽,陶惠林,赵钰,杨福芹,樊意广,杨贵军. 2022

[20]基于冠层光谱植被指数的冬小麦作物系数估算. 李贺丽,罗毅,赵春江,杨贵军. 2013

作者其他论文 更多>>

微信小程序