您好,欢迎访问中国农业科学院 机构知识库!

多光谱与热红外数据融合在冬小麦产量估测中的应用

文献类型: 中文期刊

作者: 兰铭 1 ; 费帅鹏 1 ; 禹小龙 1 ; 李雷 1 ; 夏先春 1 ; 肖永贵 1 ; 孟亚雄 1 ;

作者机构: 1.甘肃农业大学农学院;中国农业科学院作物科学研究所

关键词: 无人机;多光谱;热红外;支持向量机;估产;冬小麦

期刊名称: 麦类作物学报

ISSN: 1009-1041

年卷期: 2021 年 12 期

页码: 1564-1572

收录情况: 北大核心 ; CSCD

摘要: 为了解多光谱与热红外数据融合对冬小麦产量估测精度的影响,以30个黄淮麦区冬小麦品种为材料,利用三种灌溉处理(处理1、处理2和处理3灌水量分别为240、190和145mm)下冬小麦拔节期、挑旗期、抽穗期与灌浆期的无人机多光谱和热红外动态数据,构造了多个光谱指数,以支持向量机构建冬小麦产量估测模型,并验证其精度。结果表明,植被指数与籽粒产量的相关性受溉水量影响,处理1下植被指数与籽粒产量均呈正相关,处理2下植被指数除土壤调整植被指数(SAVI)和转化叶绿素吸收反射指数(TCARI)外均与籽粒产量呈正相关,处理3下植被指数与籽粒产量均呈负相关。通过多光谱和热红外数据融合构建的冬小麦产量估测模型的预测精度比仅使用多光谱数据构建的模型提高8%。不同灌溉条件下,通过多光谱与热红外数据融合构建的模型的预测精度存在差异,在处理1、处理2和处理3下拔节期、挑旗期、抽穗期和灌浆期验证决定系数(r~2)最高值分别为0.63、0.68和0.56,均方根误差(RMSE)最低值分别为0.60、0.24和0.41t·hm~(-2),且在三种灌溉条件下灌浆期预测效果均最佳。因此,利用无人机光谱对小麦品种产量估测时应将多光谱与热红外数据融合,用支持向量机(SVM)算法构建产量估测模型,且模型在灌浆期具有较高预测精度。

  • 相关文献

[1]融合无人机光谱信息与纹理特征的冬小麦综合长势监测. 承达瑜,何伟德,付春晓,赵伟,王建东,赵安周. 2024

[2]基于植被指数的烤烟精准追肥研究. 边立丽,艾栋,张云贵,刘青丽,常乃杰,冯文强,陈玉蓝,龙潭,陈曦,杨雪,江鸿,李志宏. 2023

[3]2022年内蒙古无人机马铃薯图像数据集. 胡天赐,王瑞利,蒋呈祥,白涛,胡林,王晓丽,郭雷风. 2023

[4]基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究. 赵鑫,李朝阳,王洪博,刘江凡,江文格,赵泽艺,王兴鹏,高阳. 2024

[5]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[6]病害胁迫下玉米LAI遥感反演研究. 刘帅兵,金秀良,冯海宽,聂臣巍,白怡,程明瀚. 2023

[7]利用无人机影像监测不同生育阶段玉米群体株高的精度差异分析. 杨进,明博,杨飞,许红根,李璐璐,高尚,刘朝巍,王克如,李少昆. 2021

[8]基于无人机多光谱遥感和机器学习的烟田土壤碱解氮估测. 胡晓,臧玉龙,高睿康,郭利,徐锐,敖耀强,邓建强,孙玉晓,张继光,唐大鹏. 2024

[9]基于无人机多光谱的烤烟冠层叶绿素含量反演. 王佳丽,蒯雁,杨成伟,字韶兴,张国兴,杨泽远,张久权. 2024

[10]基于无人机多光谱影像的烟田智慧管理应用与挑战. 陈天才,张久权,蒯雁,窦玉青,付秋娟,李栋梁,姜光平,李品州,代先强. 2025

[11]基于无人机多光谱和改进BPNN的烟草病毒病检测. 章阳亮,姜雪妍,李敏,江厚龙,江连强,郭雷风,王新伟. 2025

[12]基于叶面积指数反演的区域冬小麦单产遥感估测. 任建强,陈仲新,周清波,唐华俊. 2010

[13]基于图像和光谱技术的倒伏冬小麦产量评估研究. 吴尚蓉,刘佳,王利民,李宗南. 2013

[14]基于作物模型与叶面积指数遥感影像同化的区域单产估测研究. 杨鹏,吴文斌,周清波,陈仲新,查燕,唐华俊,柴崎亮介. 2007

[15]植被覆盖度对冬小麦冠层光谱的影响及定量化估产研究. 卢艳丽,胡昊,白由路,王磊,王贺,杨俐苹. 2010

[16]基于作物生物量估计的区域冬小麦单产预测. 任建强,刘杏认,陈仲新,周清波,唐华俊. 2009

[17]基于哨兵-2A模拟反射率及其影像的冬小麦收获指数估算. 任建强,张宁丹,刘杏认,吴尚蓉. 2022

[18]基于敏感波段筛选的多源遥感数据作物生物量估算研究. 刘斌. 2016

[19]基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测. 屈莎,李振海,邱春霞,杨贵军,宋晓宇,陈召霞,刘畅. 2017

[20]基于支持向量机模型的冬小麦全蚀病为害等级遥感监测. 焦红涛,吴旭,司海平,时雷,郭伟,马新明,周益林. 2014

作者其他论文 更多>>