文献类型： 中文期刊

作者： 樊意广 ¹ ; 冯海宽 ¹ ; 刘杨 ² ; 边明博 ¹ ; 孟炀 ¹ ; 杨贵军 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

2.国家农业信息化工程技术研究中心

关键词： 马铃薯;植株氮含量;株高;无人机;数码影像;冠层光谱特征

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 006 期

页码： 202-208,294

收录情况： EI ; 北大核心 ; CSCD

摘要： 为及时准确地掌握作物的植株氮含量（PNC）信息，监测作物生长状况，实现农田氮素施肥的科学管理，以马铃薯为研究对象，首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像，并实测了各生育期的PNC、株高（H）和地面控制点（GCP）的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像（DOM）和数字表面模型（DSM）,并从中提取冠层光谱特征和株高(H_dsm)。然后将各生育期提取的H_dsm和数码影像变量与地面实测的PNC进行相关性分析，从中筛选出相关性较好的影像变量和H_dsm作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_dsm利用多元线性回归（MLR）、误差反向传播（BP）神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明：基于DSM提取的H_dsm与实测H具有较高的拟合度（R~2为0.860,RMSE为2.663 cm, NRMSE为10.234%）;各生育期加入H_dsm,均能提高马铃薯PNC的估算精度和稳定性；各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。