摘要
以马铃薯为研究对象,利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据实测了地上生物量(Above ground biomass,AGB)数据。首先利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据;然后,利用分数阶微分计算高光谱0~2阶微分(间隔0.2),将各阶微分下的光谱数据与地上生物量进行相关性分析,挑选出相关系数绝对值较大的前9个微分波段;最后,利用多元线性回归(Multiple linear regression,MLR)、随机森林(Random forest,RF)和人工神经网络(Artificial neural network,ANN) 3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,并进行了对比。结果表明:各生育期相关系数绝对值最大值出现的阶数不同,现蕾期为0.8阶微分(470 nm);块茎形成期为1.8阶微分(710 nm);块茎增长期和淀粉积累期为1.6阶微分(718、722、766 nm);成熟期为1.0阶微分(622 nm)。相较于整数阶微分,高光谱分数阶微分与AGB的相关性更高,分数阶微分可以提高马铃薯AGB的估算精度。分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好,利用MLR方法得到的模型精度最高、稳定性最强其次为RF模型,ANN模型表现效果最差。不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期。
-
单位山东科技大学; 国家农业信息化工程技术研究中心; 北京农业信息技术研究中心; 河南工程学院; 土木工程学院