基于高光谱遥感和集成学习方法的冬小麦产量估测研究

文献类型： 中文期刊

第一作者： 费帅鹏

作者： 费帅鹏;禹小龙;兰铭;李雷;夏先春;何中虎;肖永贵

作者机构：

关键词： 冬小麦;产量;高光谱;集成方法;机器学习

期刊名称： 中国农业科学

ISSN：

年卷期： 2021 年 016 期

页码： 3417-3427

收录情况： 北大核心 ; CSCD

摘要： 【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关（P<0.0001）,且表现出较高的遗传力（0.61-0.85）,主要受遗传因素控制。在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数（R2）分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差（RMSE）分别降低至0.607、0.612和0.593 t·hm-2;节水处理下,3个生育期的平均R2分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm-2。【结论】利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考。

分类号： S512.11%S127

  • 相关文献

[1]基于无人机数码影像和高光谱数据的冬小麦产量估算对比. 陶惠林,冯海宽,杨贵军,杨小冬,苗梦珂,吴智超,翟丽婷. 2019

[2]不同抗感水稻品种对褐飞虱胁迫的高光谱响应特征. 杨奇欣,赖凤香,何佳春,魏琪,王渭霞,万品俊,傅强. 2024

[3]基于高光谱的油菜叶片SPAD值估测模型比较. 王克晓,周蕊,李波,欧毅,黄祥,虞豹. 2021

[4]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[5]基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 崔日鲜,刘亚东,付金东. 2016

[6]基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测. 郭燕,王来刚,贺佳,井宇航,宋晓宇,张彦,刘婷. 2024

[7]不同氮素营养条件下的冬小麦生理及光谱特性. 景娟娟,王纪华,王锦地,刘良云,黄文江,赵春江. 2003

[8]表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓. 2019

[9]最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究. 谢巧云,黄文江,梁栋,彭代亮,黄林生,宋晓宇,张东彦,杨贵军. 2014

[10]持续受涝对冬小麦高光谱特征参数的影响分析. 段丁丁,熊勤学,刘莉,何英彬. 2018

[11]基于高光谱遥感与SAFY模型的冬小麦地上生物量估算. 刘明星,李长春,李振海,冯海宽,杨贵军,陶惠林. 2020

[12]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

[13]冬小麦条锈病的光谱特征及遥感监测. 王纪华,黄文江,黄义德,赵春江,万安民. 2003

[14]冬小麦条锈病生理变化及其遥感机理. 黄义德,黄文江,刘良云,王纪华,万安民. 2004

[15]冬小麦拔节期冻害后高光谱特征. 李章成,周清波,吕新,林海荣,李森. 2008

[16]基于新型植被指数的冬小麦LAI高光谱反演. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,张丽妍. 2018

[17]利用高光谱微分指数进行冬小麦条锈病病情的诊断研究. 蒋金豹,陈云浩,黄文江. 2007

[18]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

[19]病害胁迫下冬小麦冠层叶片色素含量高光谱遥感估测研究. 蒋金豹,陈云浩,黄文江. 2007

[20]条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型. 蒋金豹,陈云浩,黄文江,李京. 2008

作者其他论文 更多>>

微信小程序