基于无人机多光谱的全周期枣树叶片SPAD值检测  

Detection of SPAD values of jujube tree leaves throughout growth cycle based on unmanned aerial vehicle multispectral imaging

作　　者：洪国军 谢俊博 张灵 付仙兵 张煜晖 冯意 喻彩丽 Hong Guojun

机构地区：[1]江西科技学院区域研究发展研究院,江西南昌330200 [2]塔里木大学水利与建筑工程学院,新疆阿拉尔843300 [3]江西科技学院信息工程学院,江西南昌330200 [4]汕尾职业技术学院海洋学院,广东汕尾516600

出　　处：《江苏农业科学》2024年第16期221-230,共10页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:42061046)。

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,R~2=0.9495最大与RMSE=0.0864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。

关 键 词：枣树 SPAD值 生育期 光谱指数 特征优选 XGBoost模型 

分 类 号：S665.101[农业科学—果树学] S127[农业科学—园艺学]