基于无人机多时相多特征的冬小麦产量预测模型研究

摘要

为实现冬小麦产量的准确估算，利用无人机采集266个小麦品种（系）的多时相冠层多光谱数据，提取多个植被指数，分别基于多元线性回归（PLSR）、支持向量机（SVR）、随机森林（RF）、反向传播神经网络（BP）等机器学习算法建立单一生育时期和多生育时期结合的小麦籽粒产量预测模型，并采用决定系数（R²）、均方根误差（RMSE）对所获模型精度进行评价。结果表明，基于植被指数进行单一生育时期的产量预测时，最佳预测时期是灌浆中期，最优模型是RF模型，其预测R²和RMSE分别为0.655和0.550 kg·m^-2;多生育时期结合进行产量预测时，最优模型是基于5个生育时期（扬花期、灌浆中期、灌浆后期、蜡熟期和完熟期）多光谱数据的RF模型，其预测R²和RMSE分别为0.834和0.381 kg·m^-2。在建模特征中加入纹理特征后，冬小麦产量预测模型的精度进一步提高，其中以蜡熟期和完熟期结合的SVR模型最优，其预测R²和RMSE分别为0.924和0.253 kg·m^-2。因此，可基于植被指数加纹理特征对冬小麦产量进行无人机冠层光谱预测，其中以基于多生育时期（蜡熟期、完熟期）的SVR模型预测精度最佳。

关键词

植被指数 / 纹理特征 / 多生育时期 / 冬小麦 / 产量预测模型

基金资助

国家自然科学基金项目(31701500); 陕西省重点研发计划一般项目(2022NY-176); 中央高校基本科研业务经费(Z1090322148)