徐云飞，程琦，魏祥平，杨 斌，夏沙沙，芮婷婷，张世文

·农业航空工程·

变异系数法结合优化神经网络的无人机冬小麦长势监测

徐云飞1，程琦1，魏祥平2，杨 斌1，夏沙沙3，芮婷婷1，张世文3※

（1. 安徽理工大学空间信息与测绘工程学院，淮南 232001；2. 淮北矿业（集团）有限公司，淮北 235001；3. 安徽理工大学地球与环境学院，淮南 232001）

高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象，开展无人机冬小麦长势监测，获取冬小麦生物量、株高、叶绿素含量和植株含水率数据，基于变异系数法（Coefficient of Variation Method，CV）构建综合长势监测指标（Comprehensive Growth Monitoring Indicators，CGMICV），通过16种植被指数与CGMICV进行相关性分析，计算植被指数间的方差膨胀因子，筛选最优植被指数作为模型输入变量，采用偏最小二乘（Partial Least Squares Regression，PLSR）、随机森林（Random Forest，RF）、反向传播神经网络（Back Propagation Neural Networks，BPNN）及遗传算法（Genetic Algorithm，GA）优化的BPNN模型建立冬小麦长势反演模型，结合评价指标获得冬小麦最优长势反演模型，最终得到研究区冬小麦长势空间分布信息。研究结果表明：以变异系数法得到的冬小麦CGMICV相关性比单一指标的相关性有不同程度的提高；利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN，其决定系数2可达0.71，模型精度较传统赋权法构建的CGMImean-BPNN模型提高了26.79%；采用GA优化后的BPNN模型的不稳定显著下降，其平均相对误差中位数下降了22.22%，决定系数2也有所提高；研究区内半数以上的冬小麦长势集中于第Ⅲ等级，其所占比例为55.83%，其次集中于第Ⅰ等级，其所占比例为36.08%，研究区冬小麦整体长势较为稳定。……