摘要
为探明水稻生育期内叶面积指数(LAI)的变化情况,建立可快速准确估测不同生育期水稻LAI的模型.在蒸渗测坑内进行不同施氮量下的水稻栽培试验,基于无人机采集不同时期水稻测坑多光谱数据,对计算得出的植被指数进行相关性分析,筛选出与5个生育期相关性最高的前5种植被指数,利用多元线性回归、偏最小二乘回归、随机森林、贝叶斯岭、梯度提升回归这5种方法构建预测模型;模型构建后,引入施氮量作为变量对模型进行优化,比较各生育期最优的预测模型.结果表明,机器学习算法下,随机森林回归模型对扬花期的水稻LAI预测精度和稳定性最好(r2=0.85,MSE=0.33);施氮量对LAI有显著影响,引入施氮量作为变量对各时期、各模型的预测精度都有所提高(r2平均值提高0.15).从整体看,机器学习算法下,随机森林模型可对各时期的水稻LAI指数进行较好的预测;在分蘖后期,各模型的预测精度和稳定性最好.期待本研究建立的预测模型可为水稻LAI遥感监测和田间精细管理提供参考,并为精准农业定量化研究提供技术支持.
维普
万方数据