基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算 .pdfVIP

杨野，杨德昌，孙红，等．基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算［Ｊ］．江苏农业科学，２０２３，５１（１５）：１７９－１８７．

ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２３．１５．０２５

基于无人机多光谱遥感和机器学习算法

的南疆棉花生物量估算

１２２１１１１

杨野，杨德昌，孙红，孟洪兵，田才耀，刘成成，雷定湘

（１．塔里木大学信息工程学院，新疆阿拉尔８４３３００；２．中国农业大学信息与电气工程学院，北京１０００８３）

摘要：为探究不同生育期内植被指数对南疆棉花地上部生物量的估算潜力，利用无人机测取试验地塔河二号棉花

３个生育期（蕾期、花铃期、吐絮期）多光谱影像数据，同时进行棉花植株生物量（地上部分干质量）的数据采集，对不

同生育时期的棉花光谱及地上部生物量变化特征进行分析，选取Ｐｅａｒｓｏｎ相关系数法筛选出的单一植被指数和多种植

被指数组合构建基于偏最小二乘法（ＰＬＳＲ）、支持向量机（ＳＶＭ）和随机森林（ＲＦ）３种机器学习算法的反演模型，通过

２

决定系数（Ｒ）和均方根误差（ＲＭＳＥ）对反演效果进行评定。结果表明，地上生物量在蕾期至吐絮期内持续增大，多光

２

谱近红外波段反射率在蕾期至吐絮期内先升高后降低，花铃期的模型估算效果最佳，Ｒ均≥０．６８，ＲＭＳＥ均≤０．５３；

ＮＤＶＩ、ＲＶＩ和ＧＮＤＶＩ这３种植被指数与棉花地上部生物量的相关性最高，相关系数均≥０．７６５，呈极显著相关关系

（Ｐ＜０．０１）；以植被指数组合（ＮＤＶＩ－ＲＶＩ）为变量的支持向量机回归模型的建模效果最优。本研究探究了不同植被

指数组合和不同机器学习算法建模的估算效果，证明了植被指数融合的方法在棉花不同生育时期生物量估算的可行

性，为南疆棉花的生长监测提供技术支持和理论支撑。

关键词：无人机；多光谱；植被指数；地上部生物量；机器学习算法；生育时期；相关系数法

中图分类号：Ｓ１２７文献标志码：Ａ文章编号：１００２－１３０２（２０２３）１５－０１７９－０８

２［４］

生物量是某一指定时间内在指定地域或生态据的组合建模的Ｒ高达０．９５；Ａｎｃｈａｌ等利用线

系统内某种活有机体的干质量［１］，是反映作物生长性回归模型，采用Ｋ折交叉验证法筛选最佳植被指

状况的重要因素，准确、快速、方便地监测棉花的生数，结果表明，对甜叶菊的研究中超绿指数（ＥｘＧ）是

［２］２［５］

物量对于预测和增产具有十分重要的作用。利生物量估测Ｒ高达０．７的最佳植被指数；

用无人机遥感技术结合建模算法对作物生物量进ＡｔｋｉｎｓｏｎＡｍｏｒｍｉ等利用无人机获取多光谱图像并

行估算，既可以保证对大田生物量监测的高效性，计算植被指数（ＶＩ），然后将植被指数利用随机森

同时为田间生态系统提供了保护。Ｓｈａｒｍａ等基于林、支持向量机和ＢＰ（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）神经网络方

无人机多光谱影像获取的多种植被指数，采用偏最法建模，结果表明，巴西南部小麦品种的最佳模型

２

小二乘（ＰＬＳ）、支持向量机（ＳＶＭ）、人工神经网络为人工神经网络，Ｒ为０．９０，均方根误差（ＲＭＳＥ）