基于时序光谱特征融合冠层结构的滴灌冬小麦产量预测模型构建

摘要

为筛选适宜预测滴灌冬小麦产量的敏感光谱指数与算法，通过2 a定位试验，以‘新冬22号’为试验材料，在滴灌冬小麦拔节期、孕穗期、扬花期和灌浆期4个关键生育时期采集冠层光谱数据，并测量叶面积指数（LAI）,同时利用15个光谱指数与产量进行皮尔逊相关性分析，筛选可表征产量的敏感光谱指数，结合随机森林（RF）、支持向量机（SVM）和K最近邻（KNN）算法构建产量预测模型。结果显示：仅用组合光谱指数建模时，灌浆期RF模型精度最高(R²达0.70,RMSE为927.86 kg·hm^-2);组合光谱指数融合叶面积指数后，灌浆期RF模型表现最优(R²达0.73,RMSE为910.06 kg·hm^-2);而组合光谱指数和叶面积指数与敏感波段结合后，灌浆期RF模型精度最高(R²达0.76,RMSE为728.47 kg·hm^-2),表明采用RF算法融合组合光谱指数、叶面积指数与敏感波段构建的模型可更准确预测滴灌冬小麦产量。

关键词

滴灌冬小麦 / 产量预测模型 / 高光谱 / 叶面积指数 / 敏感波段 / 机器学习算法