麦类作物学报

作者：叶昊天,田宏伟，魏庆伟，李梦夏，褚荣浩

单位：1.中国气象局河南省农业气象保障与应用技术重点开放实验室, 河南郑州450003； 2.河南省气象科学研究所, 河南郑州450003； 4.鹤壁市气象局' target='_blank'> 3.安阳国家气候观象台, 河南安阳 455000 4.鹤壁市气象局, 河南鹤壁 458000

关键词：大田冬小麦,地上生物量,无人机,多光谱影像,机器学习,

基金：安阳国家气候观象台开放研究基金项目；鹤壁市农业气象与遥感重点实验室开放研究基金项目（AYNCOF202303，AYNCOF202510）；河南省科技研发计划联合基金项目（232103810089）；中国气象局·河南省农业气象保障与应用技术重点开放实验室项目（AMF202303，AMF202404）

为解决现有小麦生物量估算模型在大田环境下泛化性不足以及分生育时期建模导致应用断层的问题，以河南省拔节期至灌浆期的大田冬小麦为研究对象，利用多光谱无人机获取数据，建立包含10个波段反射率、15种植被指数、8种纹理信息以及量化编码生育时期（拔节期=1，孕穗期=2，灌浆期=3）的34维特征集，通过相关性分析（按相关系数绝对值排序）筛选特征，再基于线性回归（Linear）、随机森林（RF）、LightGBM和K近邻回归（KNN）四种机器学习算法，构建跨生育时期小麦地上部生物量（above-ground biomass，AGB）估算统一模型，并通过逐步增加输入特征数量优化模型参数。结果表明，量化的生育时期与AGB相关性最高（相关系数为0.80），近红外波段和红边740 nm波段是关键光谱特征（与AGB相关系数分别为0.48和0.44）。随机森林（RF）模型在输入18个特征（生育时期 + 2个波段反射率 + 8个植被指数 + 7个纹理信息）时精度最高，测试集决定系数（R2）、均方根误差（RMSE）和归一化均方根误差（nRMSE）分别为0.87、291.2 g·m-2和12.8%。由此说明，基于无人机多光谱数据和大田样本可以构建冬小麦AGB跨生育时期的统一估算模型，且能显著提升模型在大田实际生产环境中的泛化能力，有效解决生育时期过渡阶段的应用难题。

来源：2026年第4期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2026年第4期