基于多时相无人机遥感生育时期优选的冬小麦估产

为确定无人机遥感产量估算的最优生育时期及采集次数,以砂土种植冬小麦为研究对象,设置了4组灌水（36个样区）与5组施氮（15个样区）处理,采集了起身期至灌浆后期的8次遥感数据。采用偏最小二乘法（PLS）、随机森林（RF）和套索（LASSO）算法构建了单生育时期产量估算模型。根据提出的最优模型,利用三次B样条曲线和复合梯形公式,建立了5种特定生育阶段日植被指数积分的产量估算方案。结果表明,不同生育时期的冬小麦产量估算模型精度差异显著,随冬小麦生长精度总体呈递增趋势。单生育时期中,PLS、RF和LASSO模型的最优生育时期分别为灌浆前期、灌浆前期和灌浆后期。除拔节前期外,RF模型的产量估算精度均优于PLS和LASSO。冬小麦多生育时期的产量估算精度优于单生育时期,从起身期至灌浆后期的8次遥感产量估算精度最高（决定系数R2为0.96,标准均方根误差（NRMSE）为5.39%）,而起身期至开花期的6次遥感产量估算精度亦达到极好（NRMSE为9.16%）,可减少遥感采集次数,提前预测产量。研究结果对采用无人机遥感进行冬小麦产量预测和精度提升具有重要意义。     

基于机器学习和无人机多光谱遥感的苜蓿产量预测

作物产量快速准确预估对规模化农业生产具有重要意义。该研究在河北省涿州市开展田间试验，设置5个灌水处理及雨养对照区，使用无人机搭载多光谱相机在苜蓿的分枝期、现蕾期和初花期进行遥感监测，将光谱参数与苜蓿产量做相关性分析，分别挑选各生育时期相关性较好的5种植被指数，以去除土壤噪声后的5种植被指数和作物表面模型提取的苜蓿株高为输入变量，通过支持向量回归算法建立各生育时期的苜蓿产量预测模型，并结合实测产量进行模型评价。结果表明，苜蓿产量预测模型精度由高到低的生育时期依次为初花期、现蕾期、分枝期，使用植被指数和株高组合作为输入变量可以提高产量模型的预测精度。在初花期使用植被指数和株高组合输入变量所构建的估产模型最优，其决定系数、均方根误差和标准均方根误差分别为0.90、500 kg/hm2和14.3%，可用于苜蓿产量的快速准确评估。研究结果可为苜蓿的规模化生产和精细化管理提供技术支持。