数字农科院2.0

基于多源数据的小麦品种产量估测研究

文献类型： 中文期刊

作者： 宋成阳;耿洪伟;费帅鹏;李雷;甘甜;曾潮武;肖永贵;陶志强

作者机构：

关键词： 无人机;遥感;小麦估产;光谱指数;纹理特征

期刊名称：光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2023 年 43 卷 07 期

页码：

收录情况： SCIE（2023版） ; ; EI（2023版） ; ; 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版）

摘要： 小麦产量产前估测关乎农业生产计划制定、粮食安全保障、国家经济和宏观决策。应用无人机能够无损、快速准确、及时高效地估测小麦产量，通过多种机器学习方法充分挖掘无人机多源遥感数据对多个小麦品种进行籽粒产量估测的潜力，明确多源数据融合对模型估测精度的提升效果，对于作物田间管理保障小麦高产稳产具有重要意义。以黄淮麦区140个主栽小麦品种为材料开展冬小麦田间试验，采用搭载红绿蓝（RGB）和多光谱传感器的无人机平台对灌浆期的冠层信息进行采集，分别以岭回归、支持向量回归、随机森林回归、高斯过程、 k-最邻近算法和Cubist等六种机器学习算法建立单传感器数据以及多源数据融合的产量估测模型，采用决定系数（R~2）、均方根误差（RMSE）和相对均方根误差（RRMSE）对估算模型进行评价。结果表明，所选取的10个可见光植被指数及13个多光谱被指数特征值均与实测产量呈极显著相关（p＜0.01）,各特征值产量相关系数绝对值由高到低依次为多光谱植被指数（0.54～0.83）、可见光植被指数（0.45～0.61）、纹理特征（＜0.45）。全部六种机器学习算法均在采用多源数据融合时产量估测模型精度最高，多源数据融合产量估测精度（平均决定系数R~2=0.50～0.71）＞多光谱传感器产量估测精度（R~2=0.53～0.69）＞RGB传感器产量估测精度（R~2=0.35～0.51）。多源数据融合相对于RGB数据的R~2提高0.17～0.23,平均均方根误差（RMSE）降低0.06～0.09 t·hm-2;相对于多光谱数据的R~2提高0.01～0.06, RMSE降低0.01～0.03 t·hm-2。Cubist算法与其他5种算法相比，建立的多源数据融合模型产量估测精度最高，R~2为0.71, RMSE为0.29 t·hm-2。研究表明，相对于单一传感器数据产量估测模型，多源数据融合能够有效提升冬小麦品种产量的估测精度，并且Cubist算法能相对更好地处理多模态融合数据提高产量预测精度，为预测不同小麦品种的产量提供理论指导。

分类号：

  • 相关文献

[1]基于无人机高光谱遥感的冬小麦叶面积指数反演. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 2016

[2]植保无人机施药技术研究现状与展望. 田志伟,薛新宇,李林,崔龙飞,王光,李志杰. 2019

[3]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[4]农用无人机多传感器遥感辅助小麦育种信息获取. 杨贵军,李长春,于海洋,徐波,冯海宽,高林,朱冬梅. 2015

[5]基于小型无人机遥感的玉米倒伏面积提取. 陈仲新,王利民,刘佳,周清波. 2014

[6]基于无人机影像的农情遥感监测应用. 王利民,刘佳,杨玲波,陈仲新,王小龙,欧阳斌. 2013

[7]无人机遥感解析田间作物表型信息研究进展. 刘建刚,赵春江,杨贵军,于海洋,赵晓庆,徐波,牛庆林. 2016

[8]无人机多光谱影像辐射一致性自动校正. 杨贵军,万鹏,于海洋,徐波,冯海宽. 2015

[9]基于无人机数码影像的冬小麦叶面积指数探测研究. 高林,杨贵军,李红军,李振海,冯海宽,王磊,董锦绘,贺鹏. 2016

[10]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[11]苜蓿智慧管理研究进展与应用. 王笛,李达,徐丽君,张德祺,聂莹莹,杨桂霞,张洪志,王占海,范冰,郝建玺. 2022

[12]基于无人机载遥感的水分胁迫下冬小麦叶绿素变化及冠层光谱响应. 朱志成,武永峰,马浚诚,冀琳,柳斌辉,靳海亮. 2023

[13]无人机遥感在马铃薯田间表型研究中的应用. 李敏,郭雷风,王瑞利. 2023

[14]基于图像处理技术的大田麦穗计数!. 刘涛,孙成明,王力坚,仲晓春,朱新开,郭文善. 2014

[15]基于TM影像光谱指数的棉花病害严重度估测. 陈兵,李少昆,王克如,苏毅,陈江鲁,金秀良,吕银亮,刁万英. 2011

[16]基于分区LBP及蚁群算法的牧草识别. 韩璠,潘新,郜晓晶,闫伟红,罗小玲,刘霞. 2013

[17]应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况. 王方永,王克如,李少昆,高世菊,肖春华,陈兵,陈江鲁,吕银亮,刁万英. 2011

[18]基于LSP与GLCM融合的禾本科牧草种子特征提取算法. 陈桐,潘新,马玉宝,闫伟红. 2019

[19]基于高光谱分析的玉米叶片氮含量分层诊断研究. 张银杰,王磊,白由路,杨俐苹,卢艳丽,张静静,李格. 2019

[20]利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量. 王方永,王克如,李少昆,陈兵,陈江鲁. 2010

作者其他论文 更多>>