以马铃薯为研究对象,利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据,实测了地上生物量(Above ground biomass,AGB)数据.首先,利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据;然后,利用分数阶微分计算高光谱0～2阶微分(间隔0.2),将各阶微分下的光谱数据与地上生物量进行相关性分析,挑选出相关系数绝对值较大的前9个微分波段;最后,利用多元线性回归(Multiple linear regression,MLR)、随机森林(Random forest,RF)和人工神经网络(Artificial neural network,ANN)3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,并进行了对比.结果表明:各生育期相关系数绝对值最大值出现的阶数不同,现蕾期为0.8阶微分(470 nm);块茎形成期为1.8阶微分(710 nm);块茎增长期和淀粉积累期为1.6阶微分(718、722、766 nm);成熟期为1.0阶微分(622 nm).相较于整数阶微分,高光谱分数阶微分与AGB的相关性更高,分数阶微分可以提高马铃薯AGB的估算精度.分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好,利用MLR方法得到的模型精度最高、稳定性最强,其次为RF模型,ANN模型表现效果最差.不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期.
国家科技期刊平台
NSTL
万方数据
维普
