栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究

作者：苗春丽; 李仲贤; 赵志成; 伏帅; 高金龙; 刘洁; 冯琦胜; 梁天刚^*

来源：草业学报, 2023, 32(12): 90-103.

• 智能感知系统
• 苜蓿盖度
• 苜蓿产量
• 机器学习
• 深度学习
• 无人机

苜蓿作为重要的优质牧草，其产量和品质的监测对草牧业发展具有十分重要的作用。传统大范围栽培苜蓿盖度和产量的地面调查以及卫星遥感反演易受天气、人力和财力等因素的影响，在时空动态监测方面具有一定局限性。近年来随着传感器和人工智能（AI）的快速发展及其在作物监测和分析方面的普遍应用，为栽培苜蓿盖度及产量的精准实时估测提供了新的契机。本研究以新疆、内蒙古、甘肃、宁夏等北方四省区栽培苜蓿为研究对象，结合地面实测资料，利用深度学习算法（DL）、多元线性回归（MLR）和随机森林（RF）方法建立了栽培苜蓿盖度和产量估测模型；并对模型精度进行了评价。研究结果表明：1）总体而言，我国新疆、甘肃河西等地区的栽培苜蓿以灌溉为主，地块集中连片、地势平坦，一年刈割3～4次，苜蓿草地在盛草期的平均产量和盖度达5362.81 kg·hm-2、96.29%；以旱作生产方式为主的甘肃陇东、宁夏南部等地区的栽培苜蓿草地大多种植在山区水平梯田，一年刈割2～3次，其盛草期的平均产量和盖度达3987.57 kg·hm-2、91.55%;2）基于无人机可见光遥感数据的苜蓿草地盖度深度学习模型的R2达0.99，均方根误差（RMSE）为1.44%，模型准确度为92%，对栽培苜蓿草层盖度的动态监测效果较好；3）利用经度、纬度及海拔和苜蓿关键生物物理指标草高、盖度及二者乘积构建的苜蓿产量RF模型相较于MLR模型可以提升产量的估测精度，最优估测模型测试集的R2为0.69,RMSE为1151.24 kg·hm-2。研究结果可以为栽培苜蓿智能感知系统的关键生物物理指标快速评估提供算法依据，对多点位高时频的网络化、自动化和智能化栽培苜蓿生长数据采集与动态分析系统应用具有重要的技术支撑作用。

• 单位
  草地农业生态系统国家重点实验室; 兰州大学; 草地农业科技学院