基于无人机多光谱影像的直播水稻氮含量监测
王明
江勋
高珑翡
史盛巧
李燕丽
卢碧林
长江大学 农学院/农业农村部长江中游作物绿色高效生产重点实验室(部省共建),湖北 荆州 434025
摘要：为实现快速、准确估算直播水稻叶片氮含量,以黄华占、春两优长70和两优185为对象,利用大疆精灵4无人机获取直播水稻分蘖期、拔节期、孕穗期和抽穗期4个时期的冠层多光谱影像.分别选取与叶片氮含量相关性较高的5个植被指数,利用支持向量机(SVM)、随机森林(RF)、BP神经网络(BPNN)和偏最小二乘回归(PLSR)4种算法构建水稻叶片氮含量的估算模型并检验精度.结果表明,植被指数与不同生育时期的水稻植株叶片氮含量相关性存在差异,其中,分蘖期的增强植被指数(EVI)与叶片氮含量的相关性较高,相关系数为0.858;拔节期的比值植被指数(RVI)与叶片氮含量的相关性较高,相关系数为0.938;孕穗期的RVI与叶片氮含量的相关性较高,相关系数为0.793;抽穗期的NDVI和SAVI与叶片氮含量的相关性较高,相关系数均为0.782.分蘖期和拔节期的模型精度较高,而孕穗期和抽穗期的模型精度较低,反演效果差.基于RF算法构建的水稻叶片氮含量预测模型效果相对较优,分蘖期的建模集决定系数(Rc2)为0.922,建模集均方根误差(RMSEc)为0.101%,验证集决定系数(Rcv2)为0.658,验证集均方根误差(RMSEcv)为 0.205%;拔节期 Rc2 为 0.980,RMSEc 为 0.061%,Rcv2 为 0.913,RMSEcv 为0.124%.表明基于RF算法构建的叶片氮含量监测模型,预测准确性较高,可以实现直播水稻叶片氮含量的预测.
关键词：直播水稻无人机植被指数氮营养监测多光谱影像
分类号：S127(农业物理学)
资助基金：湖北省支持种业高质量发展资金项目(HBZY2023B001-10)湖北省重点研发计划项目(2021BBA229)
论文发表日期：2026-07-15
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：10( 157-166 )
英文信息