基于多光谱无人机的大田冬小麦地上生物量估算

摘要

为解决现有小麦生物量估算模型在大田环境下泛化性不足以及分生育时期建模导致应用断层的问题，以河南省拔节期至灌浆期的大田冬小麦为研究对象，利用多光谱无人机获取数据，建立包含10个波段反射率、15种植被指数、8种纹理信息以及量化编码生育时期（拔节期=1，孕穗期=2，灌浆期=3）的34维特征集，通过相关性分析（按相关系数绝对值排序）筛选特征，再基于线性回归（Linear）、随机森林（RF）、LightGBM和K近邻回归（KNN）四种机器学习算法，构建跨生育时期小麦地上部生物量（above-ground biomass,AGB）估算统一模型，并通过逐步增加输入特征数量优化模型参数。结果表明，量化的生育时期与AGB相关性最高（相关系数为0.80），近红外波段和红边740nm波段是关键光谱特征（与AGB相关系数分别为0.48和0.44）。随机森林（RF）模型在输入18个特征（生育时期+2个波段反射率+8个植被指数+7个纹理信息）时精度最高，测试集决定系数（R²）、均方根误差（RMSE）和归一化均方根误差（nRMSE）分别为0.87、291.2g·m^-2和12.8%。由此说明，基于无人机多光谱数据和大田样本可以构建冬小麦AGB跨生育时期的统一估算模型，且能显著提升模型在大田实际生产环境中的泛化能力，有效解决生育时期过渡阶段的应用难题。

关键词

大田冬小麦 / 地上生物量 / 无人机 / 多光谱影像 / 机器学习