文献类型： 中文期刊

作者： 郭燕 ¹ ; 井宇航 ² ; 贺佳 ¹ ; 张会芳 ² ; 贾德伟 ³ ; 王来刚 ¹ ;

作者机构： 1.河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室    

2.河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室

3.河南省乡村产业发展服务中心

关键词： 冬小麦;无人机;数字正射影像;数字表面模型;生物量;产量

期刊名称： 河南农业科学

ISSN： 1004-3268

年卷期： 2023 年 52 卷 012 期

页码： 149-161

收录情况： 北大核心 ; CSCD

摘要： 冬小麦生物量是表征产量的重要指标,通过无人机遥感技术对冬小麦生物量进行快速、无损监测能够及时掌握冬小麦生长情况,对冬小麦估产具有重要意义.基于冬小麦孕穗期、开花期和灌浆期无人机数字正射影像(DOM)的光谱信息(SIs)和纹理特征(TFs),以及数字表面模型(DSM)提取的株高(HDSM),采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和随机森林(RF)方法构建了冬小麦生物量估算模型,并以此为基础进行了产量估算.结果表明,使用DOM信息进行冬小麦生物量估算时,融合SIs+TFs构建的冬小麦生物量估算模型精度优于单一光谱指数或者纹理特征构建的模型;引入HDSM信息冬小麦生物量估算模型精度得到提高,3种方法以RF方法构建的开花期模型精度最高;融合HDSM信息进行冬小麦生物量估算时,估算精度的提高以TFs+HDSM最明显.冬小麦产量早期估算中,不同生育时期实测生物量与产量拟合以对数函数模型精度最高,孕穗期、开花期和灌浆期模型R2分别为0.87、0.88和0.92.耦合生物量与产量估算最优模型进行冬小麦早期估产,灌浆期估算模型精度最高,R2、RPD和RMSE分别为0.90、2.77和244.61 kg/hm2.因此,融合无人机影像DOM和DSM多源信息,集成机器学习算法,不仅可以对冬小麦生物量进行精准估算,还可以快速有效地对冬小麦产量进行早期估算,对于精准制定粮食安全政策具有重要意义.