基于数据融合和机器学习的多年生苎麻产量估测

作者：付虹雨; 王薇; 岳云开; 卢建宁; 龚喜红; 王梓薇; 崔国贤^*; 佘玮^*

来源：山东农业科学, 2023, 55(10): 158-166.

DOI：10.14083/j.issn.1001-4942.2023.10.022

• 多年生作物
• 苎麻
• 产量估测
• 数据融合
• 无人机
• 机器学习

苎麻是多年生宿根性作物，高效精准地获取其产量信息对于苎麻规模化生产、挖掘多年生作物生产潜力具有重要意义。本研究基于苎麻多年生的生长特性，结合无人机遥感技术和机器学习技术实现了苎麻产量遥感估测。首先，基于无人机获取的2019—2021年连续多季的苎麻冠层RGB影像，提取苎麻株高(HDSM)、植被指数(VIs)、覆盖度(VCUAV)和株数(PN)4项遥感特征值，并构造VIs×HDSM×VCUAV、VIs/(1+HDSM)、VIs/(1+VCUAV)3种融合特征参数(fusion feature parameters, FFPs);其次，结合遥感特征值、FFPs、历史产量，采用4种机器学习方法(线性回归、偏最小二乘回归、支持向量回归和随机森林)分别构建苎麻产量估测模型；最后，对比不同参数和算法的估产模型精度，最终确定最佳估测模型。结果表明：(1)对于多年生作物，历史产量是当季产量估测的重要参考，通过融合历史产量数据，苎麻产量估测模型精度显著提升。(2)对比原始遥感特征值，构造的FFPs与苎麻产量的相关性更高，所构建的估产模型性能更强。(3)苎麻生长周期内多时序遥感数据的融合能更好地反映苎麻产量信息，并且有助于苎麻产量的早期预测。(4)本研究所采用的4种机器学习算法在苎麻产量估测上的效果相当，其中支持向量回归在多数收获季表现较好。综上所述，融合历史产量和多时序融合特征参数的苎麻产量估测方法可行，可为多年生作物长势监测提供参考。

• 单位
  湖南农业大学