数字农科院2.0

基于无人机多光谱时序影像的冬小麦产量估测

文献类型： 中文期刊

作者： 万国樑;王银婷;李雷;王多霞;陶志强;孙海艳

作者机构：

关键词： 无人机;多光谱;植被指数;机器学习;产量预测

期刊名称：核农学报

ISSN： 1000-8551

年卷期： 2026 年 40 卷 02 期

页码：

收录情况： 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 为提升小麦群体产量的估算精度，本研究以中麦578/济麦22的重组自交系群体（RIL）270个家系为对象，基于7个生育时期的冠层多光谱数据，采用7种机器学习算法构建预测模型，并基于分层抽样交叉验证的产量预测框架进一步提升预测精度。结果表明，与归一化植被指数（NDVI）相比，本研究提出的总体差异响应植被指数（ODRVI）在挑旗期、灌浆前期、灌浆后期和蜡熟期表现出较强的产量相关性；13个植被指数和4个多光谱波段在挑旗期、开花期、灌浆前期和灌浆中期与产量表现出显著相关性（|r|≥0.53）；灌浆前期和灌浆中期是单时序产量预测的最佳时期，R2介于0.53～0.63之间；深度学习模型的R2阈值范围（0.69～0.72）小于其他机器学习模型的R2阈值范围（0.66～0.74），表现出更稳定的拟合效果；通过引入分层抽样交叉验证，使预测模型的R2提高了2.85%～7.91%；基于多时序分层抽样的岭回归模型表现出最高预测精度[R2=0.74，均方根误差（RMSE）=0.51 t·hm-2，平均绝对误差（MAE）=0.41 t·hm-2]。本研究通过优化机器学习算法，有效提升了小麦产量预测模型的精度，为作物生产的精准化管理提供了技术支撑。

分类号：

  • 相关文献

[1]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

[2]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. 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. 2024

[3]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

[4]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[5]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

[6]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

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[14]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

[15]不同抗感水稻品种对褐飞虱胁迫的高光谱响应特征. 杨奇欣,赖凤香,何佳春,魏琪,王渭霞,万品俊,傅强. 2024

[16]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[17]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

[18]基于无人机与卫星遥感的草原地上生物量反演研究. 李淑贞,徐大伟,范凯凯,陈金强,佟旭泽,辛晓平,王旭. 2022

[19]基于面向对象与深度学习的榆树疏林识别方法研究. 陈昂,杨秀春,徐斌,金云翔,张文博,郭剑,邢晓语,杨东. 2020

[20]不同水肥处理下夏玉米株高、生物量响应特征及光谱反演. 陈震,程千,徐洪刚,黄修桥. 2023

作者其他论文 更多>>