行业动态

原文信息

标题:Estimation of Above-Ground Biomass of Winter Wheat Based on Consumer-Grade Multi-Spectral UAV

期刊:《Remote Sensing》

第一作者：Falv Wang

单位:China Agricultural University

关键字：unmanned aerial vehicle; winter wheat biomass; vegetation indices; machine learning; random forest regression; partial least squares regression; multiple growth stages

导读

作物地上生物量的光学遥感的问题之一是植被指数（VIs）通常在生长中期至晚期达到饱和。本研究的重点是结合消费者级无人机多光谱相机获取的视觉信息和机器学习回归:（i）确定冬小麦AGB估计的最佳时间窗口和（ii）确定多光谱视觉和回归算法的最佳组合。在2021及2021年间采集了五种氮素水平下，从拔节期直到开会后的25天的无人机多光谱影像和地面实测地上生物量数据。本文采用了线性回归（LR）、偏最小二乘回归（PLSR）对44种多光谱指数进行建模。LR模型结果表明，抽穗期是AGB预测的最佳时期，R²达到0.48~0.93。三个PLSR基于不同数据集的模型在估计训练数据集中的AGB时表现不同：训练集（R²=0.74~0.92，RMSE=0.95~2.87 t/ha，MAE=0.75~2.18 t/ha，RPD=2.00~3.67）和验证数据集（R²=0.50~0.75，RMSE=1.56~2.57t/ha，MAE=1.44~2.05 t/ha，RPD=1.45~1.89）。相比有了PLSR模型，RF模型在预测未来AGB方面的性能更加稳定，结果为训练数据集（R²=0.95~0.97，RMSE=0.58~1.08吨/公顷，MAE=0.46~0.89t/ha，RPD=3.95~6.35）和验证数据集（R²=0.83~0.93，RMSE=0.93~2.34t/ha，MAE=0.72~2.01t/ha，RPD=1.36~3.79）。在开花前监测AGB被发现比开花后更有效。此外本研究表明，估算冬小麦多生育期AGB是可行的，通过组合最佳VIs、PLSR和RF模型，克服了使用单个基于VI的线性回归模型。

数据与方法

结论

本文将采集的多时相冬小麦AGB与无人机搭载消费机的五通道相机获取了冬小麦的影像建立了联系。在小麦不同生育期，使用VI和AGB建立线性联系。使用开花前，开花后，以及全生育期影像计算的VI与冬小麦AGB建立联系，确定估产的最佳生育期。结果发现，仅红波段和红波段对于小麦AGB的监测非常有效。其次，小麦AGB估算最佳的生育期在开花之前。最后，使用PLSR和RF模型结合多时相的VI，对于冬小麦的营养生长和生殖生长阶段的估产都非常有效。未来工作将使用最佳的VI构建通用的回归模型进行估产。

排版 | 郭亚会

校对 | 肖燚

联系 | guoyh@mail.bnu.edu.cn

欢迎点赞关注

投稿联系

guoyh@mail.bnu.edu.cn