文献类型：期刊文章

作　　者：陶惠林[1,2,3,4] 徐良骥[1] 冯海宽[2,3,4] 杨贵军[2,3,4] 杨小冬[2,3,4] 苗梦珂[2,3,4,5] 代阳[1]

Tao Huilin;Xu Liangji;Feng Haikuan;Yang Guijun;Yang Xiaodong;Miao Mengke;Dai Yang(School of Geodesy and Geomatics,Anhui University of Science and Technology,Huainan 232001,China;Key Laboratory of Quantitative Remote Sensing in Agriculture,Ministry of Agriculture,Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China;National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China;Beijing Engineering Research Center for Agriculture Internet of Things,Beijing 100097,China;School of Surveying and Land Information Engineering,Henan Polytechnic University,Jiaozuo 454000,China)

机构地区：[1]安徽理工大学测绘学院,淮南232001 [2]农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京100097 [3]国家农业信息化工程技术研究中心,北京100097 [4]北京市农业物联网工程技术研究中心,北京100097 [5]河南理工大学测绘与国土信息工程学院,焦作454000

出　　处：《农业工程学报》

基　　金：国家自然科学基金(41601346,41871333)

年　　份：2019

卷　　号：35

期　　号：19

起止页码：107-116

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 词：无人机 数码影像 作物表面模型  冬小麦 株高 生物量 逐步回归  

分 类 号：S252]