您好,欢迎访问江苏省农业科学院 机构知识库!

基于多时相GF-1影像和机器学习的冬小麦估产研究

文献类型: 中文期刊

作者: 卢必慧 1 ; 李卫国 1 ; 田苗 1 ; 王晶 1 ; 毛星 1 ;

作者机构: 1.江苏省农业科学院农业经济与信息研究所

关键词: 冬小麦;产量估测;GF-1;植被指数;机器学习

期刊名称: 农业机械学报

ISSN: 1000-1298

年卷期: 2025 年 56 卷 010 期

页码: 448-457

收录情况: EI ; 北大核心 ; CSCD

摘要: 为了准确地估算区域冬小麦产量,本研究尝试利用多时相的GF-1 WFV影像,采用多种光谱植被指数表征冬小麦的生长特征,对多个时相的不同植被指数与冬小麦产量之间进行相关性分析,基于定量分析结果优选特征,然后利用反向传播神经网络、支持向量回归和随机森林回归3种机器学习算法构建冬小麦产量估测模型,并与传统线性回归估产模型进行了比较。结果显示,植被指数与产量的相关性随着生育期的推进逐渐增强,其中3月26日孕穗期的植被指数与产量相关性最高,达到0.7。基于多时相植被指数组合的建模方式能够有效提高冬小麦产量的估测精度,采用拔节期和孕穗期的植被指数组合比单个生育期的植被指数的估产精度要高,反向传播神经网络估测模型的决定系数R2提高约0.104,支持向量回归模型R2提高约0.141,随机森林回归模型R2提高约0.107。针对孕穗期的多时相植被指数,3种模型均有较高的估测精度,反向传播神经网络模型最高估测精度为91.47%,R2为0.859,RMSE为472.873 kg/hm2,支持向量回归模型估测精度最高为91.03%,R2为0.826,RMSE为492.917 kg/hm2,随机森林回归模型最高估测精度达到92.25%,R2为0.908,RMSE为445.874 kg/hm2,3种机器学习算法的最优精度模型对比多元回归估测模型,精度分别提升7.53、7.09、8.31个百分点。该研究为基于国产高分辨率卫星数据进行冬小麦产量估算研究提供了参考。

  • 相关文献

[1]基于无人机遥感的水稻产量估测. 田婷,张青,张海东,何其全,季方芳,朱琳. 2022

[2]水稻卫星遥感估产研究现状与对策. 李卫国,李花. 2010

[3]基于GF-1影像的耕地地块破碎区水稻遥感提取. 张海东,田婷,张青,陆洲,石春林,谭昌伟,罗明,钱春花. 2019

[4]基于GF-1影像的太湖地区水稻遥感提取方法研究. ZHANG Hai-dong,张海东,TIAN Ting. 2018

[5]基于植被指数与叶面积指数的水稻生长状况监测. 田翠玲,李秉柏,郑有飞. 2005

[6]基于光谱的作物病虫害监测研究进展. 傅坤亚,张文宇,曹宏鑫,朱艳,沙依然·外力. 2014

[7]油菜叶片气孔导度与冠层光谱植被指数的相关性. 孙金英,曹宏鑫,黄云. 2009

[8]HJ星和GF1号数据在水稻种植面积提取中的应用. 林子晶,李卫国,申双和,马剑凤. 2016

[9]油菜地上生物量与冠层光谱植被指数之间的相关分析. 孙金英,黄云,曹宏鑫,焦玉光. 2009

[10]基于光谱特征分异的玉米种植面积提取. 李卫国,顾晓鹤,张云华,陈华. 2017

[11]农业领域本体构建方法研究 -以番茄病虫害为例. 任妮,孙艺伟,鲍彤,郭婷. 2021

[12]基于可见/近红外高光谱成像技术的梨树叶部病害识别研究. 潘健,祁雁楠,陈鲁威,夏烨,吕晓兰. 2024

[13]无人机遥感监测果树氮素含量研究进展. 陈鲁威,曾锦,袁全春,潘健,姚凤腾,吕晓兰. 2024

[14]图像处理技术在番茄长势监测中的应用及展望. 李瑞,田婷,季方芳,王敦亮,何其全,张青. 2025

[15]AI茶树育种技术:以黄化性状预测为例. 徐歆,李亚奇,杨亦扬,徐琪,钱雪飞,马春雷,梅菊芬. 2025

[16]基于高光谱技术的牛肉新鲜度无损检测方法. 肖纵纵,蔡浩天,王炼,柳军. 2025

[17]基于遥感数据融合的小麦种植面积提取. 李卫国,蒋楠. 2012

[18]冬小麦长势TM遥感分级监测与调优栽培模式应用. 李卫国,王纪华,黄文江,郭文善. 2009

[19]利用TM遥感进行冬小麦苗期长势监测研究. 李卫国,国家农业信息化工程技术研究中心,王纪华,赵春江,李秉柏. 2006

[20]基于TM遥感的冬小麦籽粒蛋白质含量监测预报. 李卫国,王纪华,黄文江. 2009

作者其他论文 更多>>