文献类型： 中文期刊

作者： 齐浩 ¹ ; 孙海芳 ² ; 吕亮杰 ² ; 李偲 ² ; 闵家楠 ² ; 侯亮 ² ;

作者机构： 1.河北省农林科学院农业信息与经济研究所

2.null

关键词： 小麦;叶面积指数;无人机多光谱;植被指数;纹理特征;机器学习

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 003 期

页码： 334-344

收录情况： EI ; 北大核心 ; CSCD

摘要： 叶面积指数（Leaf area index, LAI）是作物生长监测和产量预测的重要指标之一，为探究基于无人机多光谱技术的小麦LAI估测模型潜力，本文以小麦育种材料为研究对象，基于无人机平台获取小麦拔节期、孕穗期、抽穗期、开花期的多光谱图像，得到12种植被指数（Vegetation index, VI）及各波段的8种纹理特征（Texture features, TF）。然后，利用皮尔逊相关性分析方法筛选与LAI相关性较强的VI和TF,在优选2类特征基础上，利用递归特征消除法（Recursive feature elimination, RFE）筛选两者结合的综合特征（Comprehensive features, CF）。最后，基于3类特征，采用多元线性回归（Multiple linear regression, MLR）、支持向量回归（Support vector regression, SVR）、梯度提升回归（Gradient boosting regression, GBR）3种机器学习算法构建LAI估测模型，比较模型在各生育期的估测精度差异。结果表明：CF有效提高了小麦各生育期LAI估测精度；3种机器学习算法中，GBR更具稳定性，对3类特征均有较好的LAI拟合效果；以植被指数RVI、NDVI和纹理特征NIR＿COR、R＿MEA作为输入变量，结合GBR算法能够准确估测小麦LAI,所有时期训练集R²为0.91,RMSE为0.45,测试集R²为0.84,RMSE为0.67。本研究可为基于多光谱技术的小麦LAI估测提供应用参考。