数字农科院2.0

基于无人机多光谱遥感和机器学习的烟田土壤碱解氮估测

文献类型： 中文期刊

作者： 胡晓;臧玉龙;高睿康;郭利;徐锐;敖耀强;邓建强;孙玉晓;张继光;唐大鹏

作者机构：

关键词： 土壤碱解氮;无人机;多光谱;光谱指数;机器学习;随机森林

期刊名称：中国烟草科学

ISSN： 1007-5119

年卷期： 2024 年

页码：

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

摘要： 准确、快速、无损掌握烟田土壤碱解氮分布情况，可为烟草生长过程中合理施用氮肥提供重要依据。以湖北保康县和宣恩县境内的4块典型烟田为研究对象，获取无人机多光谱遥感影像和土壤碱解氮数据，基于传感器“双红边”波段优势，引入红边波段对传统光谱指数进行改进，运用随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、反向传播神经网络（back propagation neural networks,BPNN）和极限梯度提升（extreme gradient boosting,XGBoost）4种机器学习算法，构建烟田土壤碱解氮含量的估测模型。结果显示：（1）以红边和红光两个波段组合为主改进的光谱指数与土壤碱解氮含量的灰色关联度值高于以近红外、红光、绿光和蓝光波段为主传统光谱指数；（2）基于改进光谱指数和RF算法方法构建的估测模型精度最高，最高建模集和验证集的决定系数、均方根误差分别为0.833、0.784和0.846、0.951;（3）RF算法稳定性验证结果中R2和RMSE分别为0.814和0.906，与单独建模时表现一致，表明RF算法的稳定性较高。该研究为武陵山区烟田土壤碱解氮含量的估测提供了一种新的方法。

分类号：

  • 相关文献

[1]基于无人机多光谱的烤烟冠层叶绿素含量反演. 王佳丽,蒯雁,杨成伟,字韶兴,张国兴,杨泽远,张久权. 2024

[2]基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究. 赵鑫,李朝阳,王洪博,刘江凡,江文格,赵泽艺,王兴鹏,高阳. 2024

[3]基于无人机多光谱时序影像的冬小麦产量估测. 万国樑,王银婷,李雷,王多霞,陶志强,孙海艳. 2026

[4]基于Sentinel-2A模拟反射率及其影像的冬小麦动态收获指数估算. 任建强,张宁丹,刘杏认,吴尚蓉. 2022

[5]基于哨兵-2A模拟反射率及其影像的冬小麦收获指数估算. 任建强,张宁丹,刘杏认,吴尚蓉. 2022

[6]不同施氮处理下无人机光谱感知冬小麦产量. 丁凡,陈震,李长春,程千,费帅鹏,李景勃,徐洪刚,李宗鹏. 2023

[7]基于无人机多光谱与热红外数据的冬小麦土壤水分反演. 张成才,侯佳彤,王蕊,姜明梁,祝星星. 2024

[8]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

[9]基于多源数据的小麦品种产量估测研究. 宋成阳,耿洪伟,费帅鹏,李雷,甘甜,曾潮武,肖永贵,陶志强. 2023

[10]基于分数阶微分和无人机高光谱指数优选的油菜产量预测. 马瑜蔓,段博,徐宾灿,邹冉,石宇辰,余强毅,史云,陆苗,吴文斌,宋茜. 2025

[11]机器学习算法在苹果叶绿素估算中的应用. 龚智,刘江凡,郭新华,邵精翠,李朝阳. 2026

[12]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

[13]2022年内蒙古无人机马铃薯图像数据集. 胡天赐,王瑞利,蒋呈祥,白涛,胡林,王晓丽,郭雷风. 2023

[14]多光谱与热红外数据融合在冬小麦产量估测中的应用. 兰铭,费帅鹏,禹小龙,李雷,夏先春,肖永贵,孟亚雄. 2021

[15]基于植被指数的烤烟精准追肥研究. 边立丽,艾栋,张云贵,刘青丽,常乃杰,冯文强,陈玉蓝,龙潭,陈曦,杨雪,江鸿,李志宏. 2023

[16]病害胁迫下玉米LAI遥感反演研究. 刘帅兵,金秀良,冯海宽,聂臣巍,白怡,程明瀚. 2023

[17]基于无人机多光谱和改进BPNN的烟草病毒病检测. 章阳亮,姜雪妍,李敏,江厚龙,江连强,郭雷风,王新伟. 2025

[18]融合无人机光谱信息与纹理特征的冬小麦综合长势监测. 承达瑜,何伟德,付春晓,赵伟,王建东,赵安周. 2024

[19]基于无人机多光谱影像的烟田智慧管理应用与挑战. 陈天才,张久权,蒯雁,窦玉青,付秋娟,李栋梁,姜光平,李品州,代先强. 2025

[20]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

作者其他论文 更多>>