文献类型： 中文期刊

作者： 姜明君 ¹ ; 范燕敏 ¹ ; 武红旗 ¹ ; 张浩 ¹ ; 刘卓 ¹ ; 王德俊 ² ;

作者机构： 1.新疆农业大学资源与环境学院

2.中国农业科学院西部农业研究中心

关键词： 无人机遥感;多光谱;反演;SPAD值;动态监测;加工番茄

期刊名称： 中国农业科技导报(中英文)

ISSN： 1008-0864

年卷期： 2025 年 27 卷 008 期

页码： 89-99

收录情况： 北大核心 ; CSCD

摘要： 叶绿素在植物光合作用过程中起关键作用，叶绿素相对含量（soil and plantan alyzer development,SPAD）是衡量农作物生长状况的重要指标。为构建加工番茄SPAD值的反演模型，基于无人机遥感技术，通过机器学习方法预测加工番茄4个关键生育期冠层叶片SPAD值，并基于最优预测模型绘制加工番茄SPAD值可视化制图。结果表明，在加工番茄不同生育时期SPAD值的随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、BP（back propagation）神经网络3种预测模型中，以多光谱植被指数为自变量，在始花期RF模型预测效果最优，决定系数（R²）为0.89，均方根误差（root mean square error,RMSE）为1.15；在盛花期SVM模型预测效果最优，R²为0.87,RMSE为1.46；在坐果期SVM模型预测效果最优，R²为0.88,RMSE为1.25；在成熟期BP神经网络模型预测效果最优，R²为0.89,RMSE为1.07。在作物盛花期，开花过程会消耗植株内部的大部分营养，导致叶绿素含量发生不同变化，其预测效果相对较低，在不同生育期选择合适的模型进行建模，可以实现对加工番茄叶绿素含量较高精度的监测；SVM模型在加工番茄各生育期的预测结果和验证结果稳定性都较优，R²分别为0.88、0.87、0.88、0.85,RMSE分别为0.95、1.46、1.25、1.91，因此基于最优SVM模型生成加工番茄每个生育期的SPAD值可视化制图，实现对加工番茄叶绿素的动态监测。研究结果可用于快速、高效地估算加工番茄叶绿素相对含量，为加工番茄精准农业管理提供决策信息和技术支持。