基于无人机数码影像和高光谱数据的冬小麦产量估算对比

• Published in: 农业工程学报 Vol. 35; no. 23; pp. 111 - 118
• Main Authors: 陶惠林, 冯海宽, 杨贵军, 杨小冬, 苗梦珂, 吴智超, 翟丽婷
• Format: Journal Article
• Language: Chinese
• Published: 国家农业信息化工程技术研究中心,北京 100097 01.12.2019; 北京市农业物联网工程技术研究中心,北京 100097; 安徽理工大学测绘学院,淮南 232001; 北京市农业物联网工程技术研究中心,北京 100097%农业农村部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 农业农村部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 河南理工大学测绘与国土信息工程学院,焦作 454000
• Subjects: 产量; 数码影像; 随机森林; 无人机; 多元线性回归; 冬小麦; 估算; 高光谱
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2019.23.014

S252; 作物产量准确估算在农业生产中具有重要意义.该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量.首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与冬小麦产量作相关性分析,挑选出相关性较好的9个指数和参数,最后以选取的数码影像指数和光谱参数为建模因子,通过MLR(multiple linear regression,MLR)和RF(random forest,RF)对产量进行估算.结果表明:数码影像指数和光谱参数与实测产量均有很强的相关性.利用数码影像指数和光谱参数通过MLR和RF构建的产量估算模型均在灌浆期表现精度最高,在灌浆期,数码影像指数和光谱参数构建的MLR模型R2和NRMSE分别为0.71、12.79％,0.77、10.32％.对模型对比分析可知,以光谱参数为因子的MLR模型精度较高,更适合用于估算冬小麦产量.利用无人机遥感数据,通过光谱参数建立的MLR模型能够快速、方便地对作物进行产量预测,并可以根据不同生育期的产量估算模型有效地对作物进行监测.