摘要
玉米作为世界三大主要粮食作物之一,因其优异的环境适应性而广泛种植于许多国家。及时、准确、无损地估算玉米收获前的产量对于对农民制定合理决策具有重要的现实意义，如作物保险、储存需求、肥料、水等投入因素的决策。传统的作物产量测量方法是抽样调查，需要对玉米田进行大面积的破坏性采样，消耗大量的时间和人力成本。无人机（Unmanned Aerial Vehicle,UAV）平台和传感器技术的快速发展为作物产量估算提供了新思路。此外，现有的产量估算模型仅考虑常规的特征指标（植被指数、冠层覆盖度、气象因子和土壤数据等等），未考虑玉米受到倒伏胁迫下独有的特征，同时现有的特征指标均为瞬时值，而光谱反射率容易受到外界环境因素干扰导致不同时间提取的瞬时指标存在一定差异。基于此，本研究的目的是利用搭载RGB和多光谱传感器的低空UAV平台,采集两年内不同品种和氮处理试验下玉米冠层的高空间分辨率影像，提取玉米冠层的光谱信息（植被指数）和结构信息（倒伏指数和持绿性指标）进行单生育时期产量精准估算研究。本研究的主要内容及结论如下: （1）本研究首先基于植被指数构建产量估算模型，输入参数分为两种类型:全部植被指数和特征筛选后的最佳植被指数组合。两种模型的精度变化在2020年和2021年两年数据集上不同生育期内有着一致性。全部植被指数参与的估产模型中，2020年在凹陷期（R5）时期获得模型最优精度（R2=0.709,RMSE=1.207t/ha,rRMSE=14.6％）,2021 年在蜡熟期（R4）时期获得模型最优精度（R2=0.861,RMSE=0.636t/ha,rRMSE=8.6％）,该结果在最佳植被指数组合的估产模型中同样可以得到。研究中需要注意的是，28种植被指数在2021年数据集上表明整体与实际产量高显著相关，而2020年数据集中两者的相关性较低。进行特征筛选后，2021年各生育期的特征组合数量远少于2020年各生育期，主要原因可能是2020年田间玉米群体受到倒伏胁迫影响所导致。此外，基于两年数据验证产量估算模型在年际间的效果，以R5时期数据集为基础，2020年数据集构建模型，2021年数据集验证模型，结果表明年际间的估产效果远远低于单年数据集的估产效果。 （2）玉米在抽雄期（VT）阶段容易发生倒伏灾害，导致最终收获的实际产量大幅度减少。为此，本研究通过将表征田间倒伏信息的指标（倒伏指数）引入到产量估算模型中，提高了单生育时期估产模型的性能，尤其临近倒伏发生的VT时期估产精度大大提升，R2增长百分比为62.26％,RMSE下降百分比为12.86％。此外，估产模型中加入倒伏指数，R5时期仍是最佳估产生育时期。考虑将玉米所受到的倒伏胁迫信息纳入模型中作为一个特征指标，可以更为综合描述产量变化的差异性及提高估产模型的稳定性。 （3）玉米叶片的绿色持续时间越长，表明光合作用的时间越长，则收获时产量越高。为此,本研究考虑通过引入时间序列遥感数据提取的相对指标（持绿性指标）构建产量估算模型，缓解玉米不同品种、不同氮肥处理所引起玉米光合作用时间长短不一致性的系统性误差，进而提高估产模型精度和稳定性。研究中采用持绿性指标、SAVI、EVI作为输入参数分别构建五种形式（线性函数、指数函数、对数函数、二次多项式函数和幂函数）的一元回归模型，并将数据集随机进行20次划分（训练集∶验证集=8∶2）得到精度分布区间，综合比较三种参量对应的模型，发现持绿性指标对应的产量估算模型无论精度还是稳定性均最佳。此外，构建了随机森林算法下的产量估算模型，结果表明持绿性指标对应的估产模型均优于不含持绿性指标的模型。后续研究将以此为参考，进一步探讨持绿性指标与作物产量之间的密切关系。
NETL