麦类作物学报

作者：兰铭，费帅鹏，禹小龙，李雷，夏先春，肖永贵，孟亚雄

单位：1.甘肃农业大学农学院,甘肃兰州 730070 ；2.中国农业科学院作物科学研究所,北京 100081

关键词：无人机,多光谱,热红外,支持向量机,估产,冬小麦,

基金：国家重点研发项目（2016YFD0101804）；中国农业科学院作物科学研究所基本科研项目（2060302-2-20）

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145 mm）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）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0.41 t·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。

来源：2021年第12期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2021年第12期