不同施氮处理下无人机光谱感知冬小麦产量
丁凡1
陈震2
李长春1
程千2
费帅鹏2
李景勃1
徐洪刚2
李宗鹏3
1.河南理工大学,河南 焦作 4540032.中国农业科学院 农田灌溉研究所,河南 新乡 4530023.河南农业大学,郑州 450002
摘要：[目的]快速、准确地预测冬小麦产量,构建最佳产量预测模型,对精准农业农田管理有重要应用价值.[方法]以抽穗期、开花期和灌浆期3个不同时期的冬小麦为研究对象,通过无人机搭载的多光谱传感器采集冠层光谱信息并提取植被指数.使用逐步回归与随机森林2种方法,筛选最优特征并建立产量预测模型.[结果]在抽穗期,绿(Green,G)、蓝(Blue,B)、修改型土壤调查植被指数(Modified Soil-adjusted Vegetation Index 2,MSAVI2)和土壤调节植被指数(Soil-adjusted Vegetation Index,SAVI)组合使用随机森林算法对产量的预测效果最好同时AIC(Akaike information criterion,赤池信息准则)较低,R2为0.65.在开花期,过绿指数(Excess Green,ExG)、近红外光(Near Infrared,NIR)、归一化差异植被指数(Normalized Difference Index,NDI)、蓝(Blue,B)和修改型土壤调查植被指数2(Modified Soil-adjusted Vegetation Index 2,MSAVI2)特征变量组合使用随机森林算法对产量的预测效果最好,同时AIC较低,R2为0.71.在灌浆期,以全部植被特征变量构建的随机森林回归模型对冬小麦产量预测的精度最高,R2达到0.76,绿(Green,G)、蓝(Blue,B)、过绿指数(Excess Green,ExG)、过红指数(Excess Red,ExR)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、比值植被指数(Ratio Vegetation Index,RVI)和归一化差分植被指数(Normalized Difference Vegetation Index,TNDVI)特征变量组合的随机森林回归模型R2较高同时AIC较低,R2达到0.73.同时使用冬小麦3个生育期,以抽穗期蓝(Blue,B)、开花期过绿指数(Excess Green,ExG)、灌浆期近红外光(Near Infrared,NIR)、灌浆期归一化差异植被指数(Normalized Difference Index,NDI)和灌浆期过绿减过红指数(Excess Green-Excess Red,ExG-ExR)为特征变量组合构建的随机森林回归模型R2较高,同时AIC较低,R2达到0.76.[结论]通过逐步回归筛选出特征变量间共线性最小的特征变量组合并利用随机森林构建回归模型具有可行性,能够准确地预测冬小麦产量.
关键词：多光谱植被指数逐步回归随机森林产量预测
分类号：S127(农业物理学)
资助基金：河南省高校科技创新团队支持计划项目(22IRTSTHN008)国家自然科学基金(41871333)
论文发表日期：2023-01-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 24-30 )
英文信息