主管单位:吉林省科技厅
主办单位:吉林省科学技术信息研究所
合作单位:吉林省科学技术情报学会

农业与技术 ›› 2024, Vol. 44 ›› Issue (4): 1-5.DOI: 10.19754/j.nyyjs.202402290001

• 农业科学 •    下一篇

基于UAV高光谱遥感的春小麦表型特征提取

呼斯乐 包玉龙   

  1. 1.内蒙古师范大学地理科学学院,内蒙古呼和浩特010022: 2.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
  • 出版日期:2024-02-29 发布日期:2024-02-29
  • 作者简介:呼斯乐(1996-),男,硕士在读。研究方向:植被高光谱遥感;通讯作者包玉龙(1982-),男,副教授。研究方向:灾害与环境风险和3S综合应用。
  • 基金资助:
    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:CXS22131)
  • Online:2024-02-29 Published:2024-02-29

摘要: 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R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NDSL(.,7)构建的支持向量回归(SVR)模型对LAI具有良好的预测能力, R为0.723,RMSE为0.267。同样,基于光谱指数NDSL(38,710构建的XGBo0st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。

关键词: 无人机;高光谱谣感;春小麦;表型特征;机器学习

中图分类号: