基于UAV高光谱遥感的春小麦表型特征提取OA
表型特征是评估作物生长状况的关键指标,对作物长势的分析至关重要.本研究利用Cubert S185 机载高光谱成像仪采集了春小麦 4 个生长期的高光谱影像,同时测量了作物高度,叶面积指数和叶绿素含量.采用线性回归和多种机器学习算法,确定不同表型特征的最优反演模型,结果发现:利用播种前和不同生长期的DSM数据估算春小麦高度,实测值与预测值间的R2 为 0.808,RMSE为 0.105,较好地模拟了高度变化;对比 3 种机器学习回归模型,发现基于光谱指数NDSI(710,714)构建的支持向量回归(SVR)模型对LAI具有良好的预测能力,R2为 0.723,RMSE为 0.267.同样,基于光谱指数NDSI(738,710)构建的XGBoost模型在预测CCC方面也表现优异,R2为 0.795,RMSE为 132.811.本研究结果可为精准农业的高效管理提供有力的技术支撑.
呼斯乐;包玉龙
内蒙古师范大学地理科学学院,内蒙古 呼和浩特 010022内蒙古师范大学地理科学学院,内蒙古 呼和浩特 010022||内蒙古自治区遥感与地理信息系统重点实验室,内蒙古 呼和浩特 010022
农业科学
无人机高光谱遥感春小麦表型特征机器学习
《农业与技术》 2024 (004)
1-5 / 5
国家自然科学基金地区项目(项目编号:42261019);内蒙古师范大学研究生科研创新基金资助项目(项目编号:CXJJS22131)
评论