融合光谱和点云信息的小麦地上部生物量估测

摘要

小麦地上部生物量（AGB）是衡量其生长状况的重要指标，采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高，光学传感器难以获取冠层内部的信息，从而影响AGB的监测精度。为了减少这种影响，本研究在利用光谱指数（颜色指数CIs和植被指数VIs）估算AGB时，引入了与高度相关的点云特征参数（PCs）作为冠层结构的代表性指标，并对引入PCs前后的AGB估算模型精度进行了比较分析。结果表明，在小麦拔节期、抽穗期和灌浆期，使用不同特征参数估算AGB的效果存在差异。CIs在训练集中的估算效果略低于VIs,而在验证集中则略高于VIs;尽管PCs在三个关键时期的表现并不最为突出，但其稳定性较强，部分冠层结构特征显示出对AGB的预测潜力。使用单一特征预测AGB时，r²范围为0.47～0.75,而融合CIs、VIs与PCs三种特征后的AGB估算模型精度得到了显著提高。在三个生育时期，模型的预测r²分别为0.79、0.81和0.77,RMSE分别为0.42、0.74和0.80 t·hm^-2。在采用不同类型的遥感特征时，支持向量机回归（SVM）比高斯过程回归（GPR）表现出更优的估算效果。因此，通过融合CIs、VIs和PCs三种特征，并采用SVM算法，可以有效实现小麦AGB的估算。

关键词

小麦 / 地上部生物量 / 机器学习 / 光谱指数 / 点云特征参数