科研之友
微信
新浪微博
Facebook
分享链接
摘要
天然牧草产量和质量的高低对畜牧业的生产发展具有十分重要的作用。然而，传统多光谱遥感因较少及不连续的光谱通道在天然草地地上生物量(AGB)估测方面具有一定的局限性。近年来随着无人机(UAV)成像高光谱遥感技术的快速发展及其在草地地上生物量监测方面的应用，为天然草地地上生物量的高精度估测提供了新的契机。本研究以海北试验区高寒草甸为研究对象，结合UAV成像高光谱遥感数据和地面实测资料，利用最小绝对压缩变量筛选方法 (LASSO)和随机森林(RF)机器学习算法，建立了高寒天然草地的估测模型，并对海北试验区高寒草甸生长状况进行了评价。结果表明：1)在生长季5月-9月中，8月的草地地上生物量最高，平均值达3 025.70 kg·hm-2；高寒草甸AGB的敏感波段位于成像高光谱的绿波波段(503、510、513、536、566和573 nm)、红光波段(733 nm)和近红外波段(803、850、875和879 nm)区域。2) RF机器学习建模方法适用于高寒草甸AGB的估测，最优RF估测模型验证集的R2为0.81，均方根误差(RMSE)为489.36 kg·hm-2，训练集的R2为0.95,RMSE为248.70 kg·hm-2。3)无人机高光谱遥感技术可以实现高寒草甸地上生物量的高精度监测。研究结果可以为高寒草甸地上生物量的高精度监测技术提供重要参考。
- 单位
