摘要:高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest,RF)3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型。结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R^2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R^2=0.7212,RMSE=0.1372 kg/m^2,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R^2=0.8191,RMSE=0.1106 kg/m^2,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R^2=0.7941,RMSE=0.1179 kg/m^2,NRMSE=22.56%);SWR生物量估算模型(R^2=0.7212)效果优于PLSR(R^2=0.6774)和RF(R^2=0.6571)生物量估算模型。该研究为冬小麦生长状况高效、快速监测提供参考。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社