科研之友
微信
新浪微博
Facebook
分享链接
摘要
为进一步提升无人机遥感快速监测覆膜条件下冬小麦叶面积指数(Leaf area index, LAI)的能力，以垄沟覆膜冬小麦为研究对象，利用无人机搭载五通道多光谱传感器获取2021—2022年冬小麦出苗期、越冬期、返青期、拔节期、抽穗期和灌浆期的遥感影像数据，使用监督分类剔除背景并计算50种可见光和近红外植被指数，采用主成分分析、相关系数法、决策树排序和遗传算法进行特征降维，结合偏最小二乘、岭回归、支持向量机、随机森林、梯度上升和人工神经网络6种机器学习算法建立不同输入特征变量下的覆膜冬小麦LAI反演模型，并进行精度评价。结果表明，剔除覆膜背景使冬小麦冠层反射率更接近真实值，提高反演精度。采用适宜的特征降维方法结合机器学习算法能够提高覆膜冬小麦LAI的反演精度和稳定性，对比特征降维前的反演精度，主成分分析和相关系数法无法优化反演效果，决策树排序只适用于基于树模型的随机森林和梯度上升算法，遗传算法优化效果明显，遗传算法-人工神经网络模型反演效果达到最优(决定系数为0.80,均方根误差为1.10,平均绝对值误差为0.69,偏差为1.25%)。研究结果可为无人机遥感监测覆膜冬小麦生长状况提供理论参考。
- 出版日期2023
- 单位西北农林科技大学
