安徽农业科学2023,Vol.51Issue(17) :182-186,189.DOI:10.3969/j.issn.0517-6611.2023.17.041

基于无人机高光谱数据的小麦生物量估测

Wheat Biomass Estimation Based on UAV Hyperspectral Data

张敏 刘涛 孙成明
安徽农业科学2023,Vol.51Issue(17) :182-186,189.DOI:10.3969/j.issn.0517-6611.2023.17.041

基于无人机高光谱数据的小麦生物量估测

Wheat Biomass Estimation Based on UAV Hyperspectral Data

张敏 1刘涛 1孙成明1
扫码查看

作者信息

  • 1. 扬州大学农学院江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室,江苏扬州 225009;扬州大学江苏省粮食作物现代产业技术协同创新中心,江苏扬州 225009
  • 折叠

摘要

高光谱因其通道多、数据量大、信息丰富等特点,在小麦农学参数估测方面被广泛应用.对小麦生物量和植被指数进行相关性分析,结果表明17种植被指数中在拔节期、孕穗期和全生育期与生物量达到显著相关水平的植被指数各有16 种;拔节期DVI和RDVI指数相关性最高,r均为0.784;孕穗期GNDVI指数相关性最高,r为0.766;全生育期WI指数相关性最高,r为-0.799;与开花期生物量达到显著相关的植被指数有8种,WBI指数相关性最高,r为-0.642.分别利用各时期与生物量达到显著相关的植被指数构建生物量PLSR估测模型,模型的验证R2 和建模R2 均是全生育期最高,分别为0.85和0.93,其次是孕穗期、拔节期、开花期.建模RMSE最低的是孕穗期,为461.74 kg/hm2,验证RMSE最低的是拔节期为354.92 kg/hm2.建模和验证R2 提升最大的是全生育期,提升了0.11;RMSE下降最多的同样是全生育期,下降了298.93 kg/hm2.总体来看,利用全生育期数据构建生物量估测模型精度最优.该研究所构建的小麦生物量预测模型可为田间作物长势监测以及农业管理决策提供有效参考.

关键词

小麦/无人机/高光谱/生物量估测/植被指数

Key words

Wheat/UAV/Hyperspectral/Biomass estimation/Vegetation index

引用本文复制引用

基金项目

国家重点研发计划项目(2018YFD0300805)

国家自然科学基金(31671615)

国家自然科学基金(31701355)

国家自然科学基金(31872852)

江苏高校优势学科建设工程资助项目(PAPD)()

国家博士后基金(2016M600448)

国家博士后基金(2018T110560)

出版年

2023
安徽农业科学
安徽省农业科学院

安徽农业科学

影响因子:0.413
ISSN:0517-6611
参考文献量5
段落导航相关论文