基于无人机影像的冠层光谱和结构特征监测甜菜长势
2021-12-30车荧璞柴宏红李保国马韫韬
王 庆,车荧璞,柴宏红,邵 科,于 超,李保国,马韫韬
基于无人机影像的冠层光谱和结构特征监测甜菜长势
王 庆1,车荧璞1,柴宏红1,邵 科2,于 超3,李保国1,马韫韬1※
(1. 中国农业大学土地科学与技术学院,北京 100193;2. 内蒙古科学技术研究院生物技术研究所,呼和浩特 010010;3. 内蒙古农业大学农学院,呼和浩特 010019)
甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归(Random Forest Regression,RFR)和偏最小二乘回归(Partial Least Squares Regression,PLSR)2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD(Soil and Plant Analyzer Development)值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,决定系数范围分别为0.9~0.94、0.88~0.9,相对均方根误差范围分别为7.6%~17%、8.8%~20%。对SPAD值的预测均较弱,决定系数分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性(Permutation Importance,PIMP)来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,2范围分别为0.89~0.94、0.74~0.91,相对均方根误差范围分别为7.3%~19%、7.6%~19%。……
