摘要
针对新疆阿拉尔垦区枣树叶片SPAD值的实地测量存在难度大、无法快速准确预测的问题,以不同生育期的枣树叶片为研究对象,利用无人机多光谱影像作为数据源,通过整合多种植被指数,构建了高维数据集并进行特征优选,以确定最优多变量组合.还定量评估了 3种机器学习算法[K近邻模型(KNN)、随机森林模型(RF)和XGBoost模型]在单变量与多变量条件下对不同枣树生育期树叶SPAD值预测能力.结果显示:(1)枣树叶片的SPAD值在不同生育期间存在明显差异,整体上呈现出先增大后减小的趋势,其中坐果期为转折点;(2)SPAD值与光谱指数的相关性分析以及特征优选,确定各生育期的最佳光谱指数和最佳特征多变量;(3)XGBoost模型在所有生育阶段的预测效果均优于KNN和RF模型.在盛花期,结合了 NDVI、GRNDVI、DVI和SAVI特征的XGBoost模型表现最佳,R2=0.949 5最大与RMSE=0.086 4最小.研究结果表明,结合XGBoost模型和无人机多光谱数据的最优多变量组合,能够最准确地预测枣树叶片的SPAD值,特别是在盛花期模型的预测效果最为显著.利用本研究方法可以实现对新疆阿拉尔垦区枣树叶片SPAD值的精准监测,可为垦区枣树生长监测提供有效与及时的技术参考.
维普
万方数据