基于无人机多光谱遥感的油菜地上部生物量估算  

Estimation of aboveground biomass of rapeseed based on multispectral remote sensing using drones

作　　者：董泽宇 吕双庆[1,2] 魏宇翔 朱雨威 孟宪昕 DONG Zeyu;LYU Shuangqing;WEI Yuxiang;ZHU Yuwei;MENG Xianxin

机构地区：[1]塔里木大学农学院,新疆阿拉尔843300 [2]塔里木大学南疆干旱区特色作物遗传改良与高效生产兵团重点实验室,新疆阿拉尔843300

出　　处：《南方农业》2024年第13期172-177,共6页South China Agriculture

基　　金：浙江省三农九方项目(2023SNJF005);国家油菜产业技术体系(CARS12)。

摘　　要：建立一种高效监测油菜地上部生物量(Aboveground biomass,AGB)的无损方法用于反映作物生长状况。以浙油50和沣油737等2个油菜品种为研究对象,通过无人机搭载多光谱仪获取油菜的多光谱影像,提取油菜冠层5个单波段反射率和10个植被指数,筛选与油菜地上部生物量相关性显著的光谱特征参数,采用随机森林(RF)、BP神经网络(BP)、支持向量机(SVM)3种方法建立地上部生物量估测模型。采用决定系数R^(2)(Coefficient of determination)、均方根误差(Root mean square error,RMSE)和相对分析误差(Relative predication deviation,RPD)对模型的估算精度进行评价。浙油50、沣油737、浙油50+沣油737的地上部生物量估算模型在测试集上,均表现为RF模型R^(2)最大、RMSE值最小、RPD值最大,分别为0.609、0.238 kg·m^(-2)、1.600;0.725、0.364 kg·m^(-2)、1.919;0.627、0.423 kg·m^(-2)、1.639。通过无人机采集作物多光谱影像,可以构建基于光谱特征参数的作物地上部生物量估算模型,随机森林模型精度最佳,为研究的最佳建模方法。

关 键 词：油菜地上部生物量 无人机多光谱遥感 BP神经网络 随机森林 支持向量机 

分 类 号：P231[天文地球—摄影测量与遥感] S565.4[天文地球—测绘科学与技术]