文献类型： 中文期刊

作者： 邵亚杰 ¹ ; 李珂 ¹ ; 丁文浩 ¹ ; 林涛 ² ; 崔建平 ² ; 郭仁松 ² ; 王亮 ² ; 吴凤全 ¹ ; 王心 ¹ ; 汤秋香 ¹ ;

作者机构： 1.新疆农业大学农学院/棉花教育部工程研究中心

2.新疆农业科学院经济作物研究所/农业农村部荒漠绿洲作物生理生态与耕作重点实验室

关键词： 棉花;无人机;多光谱影像;生物量;估算

期刊名称： 新疆农业科学

ISSN： 1001-4330

年卷期： 2024 年 61 卷 006 期

页码： 1328-1335

收录情况： 北大核心 ; CSCD

摘要： 【目的】基于植被指数（Vegetation Indexes, VIs）与机器学习算法估算棉花地上部生物量（Aboveground Biomass, AGB）,并评价其适用性和准确性，为丰富棉花生物量的遥感监测技术、提升生产的精准化管理水平提供科学依据。【方法】设计施氮量与密度互作试验，同步采集主要生育时期的棉田实测AGB数据与无人机多光谱遥感影像数据，计算得到8种VIs,并引入其中与AGB相关系数最高的3种VIs,构建基于机器学习算法的支持向量回归（Support Vactor Regression, SVR）、偏最小二乘回归（Partial Least Squares Regression, PLSR）和深度神经网络（Deep Neural Network, DNN）等AGB估算模型，评估不同VIs和模型的适用性和估算精度。【结果】8种VIs与AGB均呈显著相关，其中NGBDI、NDREI和EXG的相关系数绝对值|r|达到0.659～0.788,且与棉花生物量之间显著相关。三种回归模型中，SVR模型的估算效果最好，模型验证精度为R²=0.89,RMSE=2.30,rRMSE=0.20。【结论】相较于PLSR和DNN估算模型，SVR模型更适合估算棉花生物量。