文献类型： 中文期刊

作者： 陶惠林 ¹ ; 徐良骥 ¹ ; 冯海宽 ¹ ; 杨贵军 ¹ ; 杨小冬 ¹ ; 苗梦珂 ¹ ; 代阳 ¹ ;

作者机构： 1.安徽理工大学测绘学院;农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心;国家农业信息化工程技术研究中心;北京市农业物联网工程技术研究中心;河南理工大学测绘与国土信息工程学院

关键词： 无人机;数码影像;作物表面模型;冬小麦;株高;生物量;逐步回归

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2019 年 19 期

页码： 107-116

收录情况： EI ; 北大核心 ; CSCD

摘要： 高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest,RF)3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型。结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R2=0.721 2,RMSE=0.137 2 kg/m2,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R2=0.819 1,RMSE=0.110 6 kg/m2,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R2=0.794 1,RMSE=0.117 9 kg/m2,NRMSE=22.56%);SWR生物量估算模型(R2=0.7212)效果优于PLSR(R2=0.677 4)和RF(R2=0.657 1)生物量估算模型。该研究为冬小麦生长状况高效、快速监测提供参考。