文献类型： 中文期刊

作者： 吴强 ¹ ; 杨默含 ¹ ; 段锋辉 ¹ ; 王赞朴 ² ; 康家坤 ¹ ; 杨浩 ³ ; 杨贵军 ³ ; 张志勇 ¹ ; 马新明 ¹ ; 程金鹏 ¹ ;

作者机构： 1.河南农业大学农学院

2.河南农业大学信息与管理科学学院

3.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

关键词： 玉米;地上生物量;多光谱遥感;激光雷达;数据融合;机器学习

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2025 年 45 卷 010 期

页码： 2906-2914

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 准确估算玉米地上生物量(AGB)是精准农业管理的核心任务.光谱遥感技术通过捕捉作物冠层不同波段的反射特性,能有效反映玉米的生理状态但易受复杂冠层结构干扰,激光雷达(LiDAR)技术则能获取玉米的高精度三维结构信息但难以揭示作物的生理特征,单一数据源在生物量估算中存在局限.因此本研究构建了融合多光谱与LiDAR数据的玉米地上生物量估算方法.实验于2021年—2022年在北京市小汤山精准农业示范基地开展,采集了 140个样方数据,涵盖7个玉米品种.利用P4M多光谱无人机获取关键生长期的冠层反射光谱数据,采用M600无人机搭载Riegl VUX-1激光雷达获取三维点云数据.分别测定地上叶生物量(AGLB)、地上茎生物量(AGSB)和总地上生物量(AGB).从多光谱数据中提取了 NDVI、OSA-VI等12种常用植被指数,从LiDAR点云中基于三角不规则网格(TIN)计算了最大高度(HMax)、平均高度(AspAvg)等9种结构特征.采用随机森林算法构建生物量估算模型,并通过Shapley加性解释(SHAP)方法评估特征重要性.结果显示,相较于光谱估算模型,融合模型显著提升了生物量估算精度.融合模型的决定系数R2分别达到0.80(AGLB)、0.78(AGSB)和0.73(AGB),分别提高5.2%、27.8%和12.3%;均方根误差(RMSE)分别降低至61.67、248.61和356.78 g·m-2,分别降低8.2%、43.6%和15.4%.光谱指数和结构特征均与生物量显著相关(r=0.52~0.83),其中HMax、AspAvg及RVI、OSAVI是关键变量.SHAP分析表明,结构特征对茎生物量的贡献最显著,光谱指数对叶生物量的作用更大.研究证明了两种技术在生物量估算中的互补性和协同效应,为精准农业的作物生长监测和地上生物量估算提供了可靠的方法支持,推动了农业数字化管理和智能化发展.