基于无人机多光谱影像的不同施氮量水稻LAI反演方法研究  

LAI inversion method for rice with different nitrogen application rates based on multispectral images from unmanned aerial vehicle

作　　者：曾广泉 马韬 张孟希[2] 戴妍 陈凯文 丁继辉[1] 俞双恩[1] 王中文 Zeng Guangquan

机构地区：[1]河海大学农业科学与工程学院,江苏南京211100 [2]湖南水利水电职业技术学院,湖南长沙410131 [3]江苏省宿迁市宿豫区水利局,江苏宿迁223800

出　　处：《江苏农业科学》2024年第20期41-48,共8页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:51879074、52109051);江苏省水利科技项目(编号:2020048)。

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(r 2=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(r 2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。

关 键 词：水稻 无人机 施氮量 叶面积指数 多光谱影像 模型计算 

分 类 号：S127[农业科学—农业基础科学]