文献类型： 中文期刊

作者： 边明博 ¹ ; 马彦鹏 ¹ ; 樊意广 ¹ ; 陈志超 ¹ ; 杨贵军 ¹ ; 冯海宽 ¹ ;

作者机构： 1.北京市农林科学院信息技术研究中心;农业农村部农业遥感机理与定量遥感重点实验室;河南理工大学测绘与国土信息工程学院;南京农业大学国家信息农业工程技术中心

关键词： 马铃薯;叶绿素含量;图谱融合;Gabor纹理;机器学习

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2023 年 08 期

页码： 240-248

收录情况： EI ; 北大核心 ; CSCD

摘要： 叶绿素是衡量作物光合作用的重要指标，监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content, LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像，提取无人机多光谱影像的光谱反射率构建植被指数(Vegetation index, VIs),利用Gabor滤波器提取RGB影像的纹理信息(Texture information, TIs)。然后利用机器学习SVR-REF方法进行数据降维获取植被指数和纹理特征重要性排序，并采用迭代的方法在植被指数最佳模型中加入纹理信息，观察每次加入的纹理信息对模型的动态影响。最后使用支持向量机(Support vector machine, SVR)和K-最近邻算法(K-nearest neighbor, KNN)2种机器学习方法进行建模。结果表明，马铃薯3个关键生育期，加入纹理特征后的2种模型精度和稳定性均有提高，且SVR模型精度优于KNN。块茎形成期，SVR模型建模R~2由0.61提升至0.71,RMSE由0.20 mg/g降为0.17 mg/g,精度提升14.2%,验证R~2由0.58提升至0.66,RMSE由0.19 mg/g降至0.17 mg/g,精度提升10.5%。块茎增长期，SVR建模R~2由0.59提升至0.67,RMSE由0.16 mg/g降至0.14 mg/g,验证R~2由0.71提升至0.79,RMSE由0.15 mg/g降至0.13 mg/g,精度提升13.3%。淀粉积累期，SVR建模R~2由0.62提升为0.69,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%,验证R~2由0.47提升至0.63,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%。另外，3个时期参与SVR建模的植被指数数量分别为19、16、3,纹理数量分别为4、2、9,在植被指数不能充分响应叶绿素含量时，会有更多纹理信息参与建模，并且模型精度提升更高，进一步论证了纹理特征在马铃薯叶绿素含量反演中的重要性。