摘要
油菜作为一种产油高效的作物,研究其表型生理数据对农作物产量和田间管理策略具有重要意义。叶面积指数(LAI)是衡量作物冠层结构、光合活性以及蒸腾作用效率的重要冠层参数。专业人员下田实地勘测采集生理数据的传统方法费时费力,效率低;农业低空无人机遥感以其高效、操作灵活、成本适宜等特点,在油料作物形态参数及生理生化特征的遥感观测中具有优势,初步实现了地上光谱数据与地面采集数据间的处理分析。以油菜育种材料作为研究对象,采用无人机多光谱相机捕捉油菜苗期多光谱图像,软件生成影像并利用Python计算产生48个纹理特征值和7种多光谱指标;采用LAI-2200C实测冠层LAI数据。运用线性模型、支持向量机(SVM)、随机森林(RF)和BP网络,建立空中数据与苗期冠层LAI数据间的估算模型。结果表明,7种植被指数与LAI存在显著相关(P<0.01),通过48个纹理特征值生成新的2 256种组合的纹理指数较原纹理特征值与LAI的相关性有了改进;线性模型下的归一化植被指数(NDVI)对油菜苗期LAI估算表现最好;3种机器学习模型下,RF模型估计精度较高(R^(2)值为0.718,MAE为0.294,MSE为0.154)。通过对传统灰度共生矩阵下的纹理特征值采取组合运算,得到的新纹理指数可与LAI建立较好的联系;3种机器学习模型下的RF模型对苗期的反演效果较好。本研究可为农技人员操作无人机监测油菜苗期LAI、观察油菜的生长状况、实施精确的农业管理,也可为其他作物LAI估算提供借鉴和理论依据。
出处
《江苏农业科学》
北大核心
2025年第20期145-155,共11页
Jiangsu Agricultural Sciences
基金
湖北省重点研发计划(编号:2023BBB030)
武汉市知识创新专项(编号:2022020801010295)
国家自然科学基金(编号:42101440)
智能光电系统感知及应用四川省高校重点实验室开放基金(编号:ZNGD2308)
湖北工业大学博士科研启动基金(编号:XJ2021004501)。
