文献类型： 中文期刊

作者： 申洋洋 ¹ ; 陈志超 ¹ ; 胡昊 ² ; 盛莉 ² ; 周洪奎 ² ; 娄卫东 ² ; 沈阿林 ³ ;

作者机构： 1.河南理工大学测绘与国土信息工程学院

2.浙江省农业科学院数字农业研究所

3.浙江省农业科学院环境资源与土壤肥料研究所

关键词： 无人机多光谱数据;小麦产量;统计分析;机器学习算法

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2021 年 010 期

页码： 1298-1306

收录情况： 北大核心 ; CSCD

摘要： 为高效准确地预测小麦产量,以浙江省冬小麦为研究对象,利用四旋翼无人机精灵4多光谱相机获取冬小麦5个关键生育时期（拔节期、孕穗期、抽穗期、灌浆期、成熟期）的冠层多光谱数据,选取多光谱相机的五个特征波段计算各生育时期的72个植被指数,分别通过逐步多元线性回归（SMLR）、偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机（SVM）、随机森林（RF）构建不同生育时期的产量估算模型,最后采用决定系数（R²）、均方根误差（RMSE）和相对误差（RE）对估算模型进行评价,筛选出最优估算模型。结果表明,基于随机森林建立的模型估算效果最优,SMLR、PLSR和SVM三种方法建立的模型估算效果接近。利用随机森林算法所建拔节期、孕穗期、抽穗期、灌浆期、成熟期模型的R²、RMSE和RE分别为0.92、0.35、11%;0.93、0.33、10%;0.94、0.32、9%;0.92、0.36、9%;0.77、0.67、33%。模型验证时,抽穗期估算效果最好（R²、RMSE和RE分别为0.91、0.35和15%）,拔节期、孕穗期、灌浆期估算效果接近且有很好的估算能力,成熟期估算精度最差（R²、RMSE和RE分别为0.71、0.47和13%）。由此说明,结合机器学习算法和无人机多光谱提取的植被指数可以提高小麦产量估算效果。