文献类型：期刊文章

作　　者：陶惠林[1] 徐良骥[1] 冯海宽[2,3] 杨贵军[2,4] 苗梦珂[3,4] 林博文[2]

TAO Huilin;XU Liangji;FENG Haikuan;YANG Guijun;MIAO Mengke;LIN Bowen(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 and Rural Affairs,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)

机构地区：[1]安徽理工大学测绘学院,淮南232001 [2]北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,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

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(41601346、41871333)

年　　份：2020

卷　　号：51

期　　号：2

起止页码：180-191

语　　种：中文

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

摘　　要：为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R^2、RMSE和NRMSE分别是0.7164、0.0963、15.90%。

关 键 词：冬小麦长势监测  无人机遥感 高光谱  多元线性回归 偏最小二乘 随机森林  

分 类 号：S25] S127[农业工程类]