|本期目录/Table of Contents|

[1]杨野,杨德昌,孙红,等.基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算[J].江苏农业科学,2023,51(15):179-187.
　Yang Ye,et al.Estimation of cotton biomass in southern Xinjiang based on UAV multi-spectral remote sensing and machine learning algorithm[J].Jiangsu Agricultural Sciences,2023,51(15):179-187.
点击复制

基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第15期
页码:
179-187
栏目:
农业工程与信息技术
出版日期:
2023-08-05

文章信息/Info

Title:
Estimation of cotton biomass in southern Xinjiang based on UAV multi-spectral remote sensing and machine learning algorithm
作者:
杨野1; 杨德昌2; 孙红2; 孟洪兵1; 田才耀1; 刘成成1; 雷定湘1
1.塔里木大学信息工程学院，新疆阿拉尔 843300； 2.中国农业大学信息与电气工程学院，北京 100083
Author(s):
Yang Ye; et al
关键词:
无人机; 多光谱; 植被指数; 地上部生物量; 机器学习算法; 生育时期; 相关系数法
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
为探究不同生育期内植被指数对南疆棉花地上部生物量的估算潜力，利用无人机测取试验地塔河二号棉花3个生育期(蕾期、花铃期、吐絮期)多光谱影像数据，同时进行棉花植株生物量(地上部分干质量)的数据采集，对不同生育时期的棉花光谱及地上部生物量变化特征进行分析，选取Pearson相关系数法筛选出的单一植被指数和多种植被指数组合构建基于偏最小二乘法(PLSR)、支持向量机(SVM)和随机森林(RF)3种机器学习算法的反演模型，通过决定系数(R2)和均方根误差(RMSE)对反演效果进行评定。结果表明，地上生物量在蕾期至吐絮期内持续增大，多光谱近红外波段反射率在蕾期至吐絮期内先升高后降低，花铃期的模型估算效果最佳，R2均≥0.68，RMSE均≤0.53；NDVI、RVI和GNDVI这3种植被指数与棉花地上部生物量的相关性最高，相关系数均≥0.765，呈极显著相关关系(P<0.01)；以植被指数组合(NDVI-RVI)为变量的支持向量机回归模型的建模效果最优。本研究探究了不同植被指数组合和不同机器学习算法建模的估算效果，证明了植被指数融合的方法在棉花不同生育时期生物量估算的可行性，为南疆棉花的生长监测提供技术支持和理论支撑。
Abstract:
-

参考文献/References:

［1］Shen G Z，Liao J J，Guo H D，et al. Poyang Lake wetland vegetation biomass inversion using polarimetric RADARSAT-2 synthetic aperture radar data［J］. Journal of Applied Remote Sensing，2015，9(1)：096077.
［2］Liu J G，Pattey E，Miller J R，et al. Estimating crop stresses，aboveground dry biomass and yield of corn using multi-temporal optical data combined with a radiation use efficiency model［J］. Remote Sensing of Environment，2010，114(6)：1167-1177.
［3］Sharma P，Leigh L，Chang J，et al. Above-ground biomass estimation in oats using UAV remote sensing and machine learning［J］. Sensors，2022，22(2)：601.
［4］David R M，Rosser N J，Donoghue D N M. Improving above ground biomass estimates of Southern Africa dryland forests by combining Sentinel-1 SAR and Sentinel-2 multispectral imagery［J］. Remote Sensing of Environment，2022，282：113232.
［5］Anchal S，Bahuguna S，Priti，et al. Non-destructive method of biomass and nitrogen (N) level estimation in Stevia rebaudiana using various multispectral indices［J］. Geocarto International，2022，37(22)：6409-6421.
［6］Atkinson Amorim J G，Schreiber L V，de Souza M R Q，et al. Biomass estimation of spring wheat with machine learning methods using UAV-based multispectral imaging［J］. International Journal of Remote Sensing，2022，43(13)：4758-4773.
［7］Shao G M，Han W T，Zhang H H，et al. Estimation of transpiration coefficient and aboveground biomass in maize using time-series UAV multispectral imagery［J］. The Crop Journal，2022，10(5)：1376-1385.
［8］段博. 基于无人机多光谱影像的水稻生长参数提取和估产［D］. 武汉：武汉大学.
［9］吴培强，任广波，张程飞，等. 无人机多光谱和LiDAR的红树林精细识别与生物量估算［J］. 遥感学报，2022，26(6)：1169-1181.
［10］李宗鹏.基于无人机多源光谱遥感影像预测冬小麦地上生物量和产量研究［D］. 郑州：河南农业大学，2022.
［11］王式琴. 基于高光谱的棉花叶片氮素变化特征及估算建模研究［D］. 阿拉尔：塔里木大学，2021.
［12］包玲. 阴影的掩膜和内陆水体的遥感提取［D］. 南京：南京师范大学，2014.
［13］杨宁，崔文轩，张智韬，等. 无人机多光谱遥感反演不同深度土壤盐分［J］. 农业工程学报，2020，36(22)：13-21.
［14］毕志博. 基于高光谱的水稻叶片叶绿素含量反演方法研究［D］. 沈阳：沈阳农业大学，2019.
［15］刘金然. 基于无人机遥感影像的棉花主要生长参数反演［D］. 济南：山东师范大学，2019.
［16］王来刚，贺佳，郑国清，等. 基于无人机多光谱遥感的玉米FPAR估算［J］. 农业机械学报，2022，53(10)：202-210.
［17］苏维，张泽，侯彤瑜，等. 基于无人机冠层高光谱的滴灌棉田地上部生物量估测［J］. 农机化研究，2021，43(11)：177-183.
［18］易翔，张立福，吕新，等. 基于无人机高光谱融合连续投影算法估算棉花地上部生物量［J］. 棉花学报，2021，33(3)：224-234.
［19］陶惠林，冯海宽，徐良骥，等. 基于无人机高光谱遥感数据的冬小麦生物量估算［J］. 江苏农业学报，2020，36(5)：1154-1162.
［20］周萌，韩晓旭，郑恒彪，等. 基于参数化和非参数化法的棉花生物量高光谱遥感估算［J］. 中国农业科学，2021，54(20)：4299-4311.
［21］石雅娇，陈鹏飞. 基于无人机高光谱影像的玉米地上生物量反演［J］. 中国农学通报，2019，35(17)：117-123.
［22］邓江，谷海斌，王泽，等. 基于无人机遥感的棉花主要生育时期地上生物量估算及验证［J］. 干旱地区农业研究，2019，37(5)：55-61，69.
［23］刘杨，冯海宽，黄珏，等. 基于无人机高光谱特征参数和株高估算马铃薯地上生物量［J］. 光谱学与光谱分析，2021，41(3)：903-911.
［24］Dong J W，Xiao X M，Wagle P，et al. Comparison of four EVI-based models for estimating gross primary production of maize and soybean croplands and tallgrass prairie under severe drought［J］. Remote Sensing of Environment，2015，162：154-168.
［25］Majasalmi T，Rautiainen M，Stenberg P.M odeled and measured fPAR in a boreal forest：validation and application of a new model［J］. Agricultural and Forest Meteorology，2014，189/190：118-124.
［26］李龙伟. 基于时间序列遥感数据的毛竹林物候监测、分类和地上生物量估测研究［D］. 杭州：浙江农林大学，2020.
［27］朱吉祥. 基于光谱信息的夏玉米水氮状况诊断及产量评估［D］. 泰安：山东农业大学，2021.
［28］赵涵. 杨树水力学特性与生长速率及生物量的关系［D］. 杨凌：西北农林科技大学，2021.

相似文献/References:

[1]金星.基于LED光源的多光谱诱虫灯研究[J].江苏农业科学,2015,43(10):476.
　Jin Xing.Study on multi-spectral insert light trap based on LED light source[J].Jiangsu Agricultural Sciences,2015,43(15):476.
[2]孙世泽,汪传建,刘伟,等.无人机多光谱草地估产中的最佳波段组合研究[J].江苏农业科学,2018,46(04):190.
　Sun Shize,et al.Study on optimum band combination in estimating biomass of grassland based on UAV multispectral images[J].Jiangsu Agricultural Sciences,2018,46(15):190.
[3]梁钊雄,周红艺,吴国威,等.基于无人机影像的崩岗空间分布特征研究[J].江苏农业科学,2018,46(04):220.
　Liang Zhaoxiong,et al.Study on spatial distribution of collapse base on UAV images[J].Jiangsu Agricultural Sciences,2018,46(15):220.
[4]琚书存,汪志存,张东彦,等.基于高分辨率无人机影像的喷药除草效果评估[J].江苏农业科学,2019,47(06):76.
　Ju Shucun,et al.Evaluation of spraying and weeding effect based on high resolution UAV image[J].Jiangsu Agricultural Sciences,2019,47(15):76.
[5]苏瑞东.无人机在现代农业中的应用综述[J].江苏农业科学,2019,47(21):75.
　Su Ruidong.Application of UAVs in modern agriculture： a review[J].Jiangsu Agricultural Sciences,2019,47(15):75.
[6]孙星星,王凯,李红阳,等.航空超低量喷雾技术在水稻生产上应用现状、存在问题及发展趋势[J].江苏农业科学,2020,48(13):29.
　Sun Xingxing,et al.Application status， existing problems and development trends of aviation ultra-low volume spray technology in rice production[J].Jiangsu Agricultural Sciences,2020,48(15):29.
[7]林峰.虚拟现实技术在农业可视化场景快速构建中的应用[J].江苏农业科学,2020,48(14):268.
　Lin Feng.Application of virtual reality technology in rapid construction of agricultural visualization scene[J].Jiangsu Agricultural Sciences,2020,48(15):268.
[8]辛京达,陈成,刀剑,等.基于土壤光谱特性的土壤类型区分研究[J].江苏农业科学,2021,49(10):207.
　Xin Jingda,et al.Study on differentiation of soil types based on soil spectral characteristics[J].Jiangsu Agricultural Sciences,2021,49(15):207.
[9]杨栋淏,李亚强,刀剑,等.基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测[J].江苏农业科学,2022,50(2):178.
　Yang Donghao,et al.Estimation of soil main nutrient content based on UAV multispectral and ground hyperspectral remote sensing[J].Jiangsu Agricultural Sciences,2022,50(15):178.
[10]王羿,丁鸣鸣,何菁,等.基于不同建模方法的土壤pH值无人机遥感影像反演[J].江苏农业科学,2022,50(14):224.
　Wang Yi,et al.Soil pH UAV remote sensing image inversion based on different modeling methods[J].Jiangsu Agricultural Sciences,2022,50(15):224.
[11]徐国钦,黄明凤,黄建平.基于改进语义分割模型的无人机多光谱图像杂草分割[J].江苏农业科学,2022,50(12):212.
　Xu Guoqin,et al.Segmentation of UAV multispectral weed image based on improved semantic segmentation model[J].Jiangsu Agricultural Sciences,2022,50(15):212.
[12]王佳丽,蒯雁,杨成伟,等.基于无人机多光谱的烤烟冠层叶绿素含量反演[J].江苏农业科学,2024,52(15):232.
　Wang Jiali,et al.Inversion of chlorophyll content in canopy of flue-cured tobacco based on UAV multispectrum[J].Jiangsu Agricultural Sciences,2024,52(15):232.

备注/Memo

备注/Memo:
收稿日期：2022-11-08
基金项目：南疆重点产业创新发展支撑计划(编号：1121085)。
作者简介：杨野(1998—)，男，河北涿州人，硕士，研究方向为农业遥感领域。E-mail：945275834@qq.com。
通信作者：杨德昌，博士，主要从事电力系统自动化方向研究。E-mail：yangdechang@cau.edu.cn。
更新日期/Last Update: 2023-08-05