文献类型： 中文期刊

作者： 李宗鹏 ¹ ; 李连豪 ¹ ; 陈震 ² ; 程千 ² ; 徐洪刚 ² ; 庞超凡 ¹ ;

作者机构： 1.河南农业大学

2.中国农业科学院农田灌溉研究所

关键词： 多光谱;植被指数;Stacking;模型

期刊名称： 灌溉排水学报

ISSN： 1672-3317

年卷期： 2021 年 40 卷 008 期

页码： 50-56

收录情况： 北大核心 ; CSCD

摘要： [目的]精确、高效地预测作物产量.[方法]以冬小麦为研究对象,利用无人机搭载多光谱相机,获取抽穗期、开花期和灌浆期的多光谱图像数据.根据多光谱波段选取对产量敏感的14种植被指数,并优选出与产量极显著相关的13种植被指数;基于优选出的植被指数分别建立各生育期的MLR、PLSR、SVM和Cubist产量估算初级模型进行对比分析,并利用Stacking方法集成初级学习器模型分别建立各个时期MLR和Cubist次级产量估测模型.[结果]随着冬小麦生长阶段的发展,各植被指数与产量的相关性逐渐增大,在灌浆期达到最大值0.67;对比4个初级学习器模型精度,Cubist模型在抽穗期、开花期和灌浆期的估产精度均为最高;利用Stacking方法构建的次级学习器模型以Cubist模型的估产效果最佳,MLR和Cubist模型的估产精度在各个时期均得到了提升.[结论]基于Stacking方法融合估产模型能够显著提升冬小麦的产量估算精度,为今后的估产研究提供参考.