麦类作物学报

作者：杨冠硕，朱少龙，杨天乐，韩东伟，张伟军，王建亮，姚照胜，刘涛，孙成明

单位：1.江苏省作物遗传生理国家级重点实验室培育点,扬州大学,江苏扬州 225009； 2.江苏省粮食作物现代产业技术协同创新中心,扬州大学,江苏扬州 225009； 3.扬州大学智慧农业研究院,江苏扬州 225009

关键词：小麦,地上部生物量,机器学习,光谱指数,点云特征参数,

基金：江苏省重点研发计划（现代农业）项目（BE2022338）

小麦地上部生物量（AGB）是衡量其生长状况的重要指标，采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高，光学传感器难以获取冠层内部的信息，从而影响AGB的监测精度。为了减少这种影响，本研究在利用光谱指数（颜色指数CIs和植被指数VIs）估算AGB时，引入了与高度相关的点云特征参数（PCs）作为冠层结构的代表性指标，并对引入PCs前后的AGB估算模型精度进行了比较分析。结果表明，在小麦拔节期、抽穗期和灌浆期，使用不同特征参数估算AGB的效果存在差异。CIs在训练集中的估算效果略低于VIs，而在验证集中则略高于VIs；尽管PCs在三个关键时期的表现并不最为突出，但其稳定性较强，部分冠层结构特征显示出对AGB的预测潜力。使用单一特征预测AGB时，r2范围为0.47~0.75，而融合CIs、VIs与PCs三种特征后的AGB估算模型精度得到了显著提高。在三个生育时期，模型的预测r2分别为0.79、0.81和0.77，RMSE分别为0.42、0.74和0.80 t·hm-2。在采用不同类型的遥感特征时，支持向量机回归（SVM）比高斯过程回归（GPR）表现出更优的估算效果。因此，通过融合CIs、VIs和PCs三种特征，并采用SVM算法，可以有效实现小麦AGB的估算。

来源：2025年第11期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2025年第11期