| 基于无人机多光谱遥感的玉米根域土壤含水率研究 |
| |
| 引用本文： | 张智韬,谭丞轩,许崇豪,陈硕博,韩文霆,李宇.基于无人机多光谱遥感的玉米根域土壤含水率研究[J].农业机械学报,2019,50(7):246-257. |
| |
| 作者姓名： | 张智韬 谭丞轩 许崇豪 陈硕博 韩文霆 李宇 |
| |
| 作者单位： | 西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFC0403203、2017YFC0403302）和杨凌示范区科技计划项目（2018GY-03） |
| |
| 摘 要： | 及时获取农田作物根域土壤墒情是实现精准灌溉的基础和关键。以内蒙古自治区达拉特旗昭君镇试验站大田玉米为研究对象,利用无人机遥感系统,分别在玉米营养生长期(Vegetative stage,V期)、生殖期(Reproductive stage,R期)和成熟期(Maturation stage,M期)获得7次玉米冠层多光谱正射影像,并同步采集玉米根域不同深度土壤含水率(Soil moisture content,SMC);然后,采用灰色关联法对提取的多种植被指数(Vegetation index,VI)进行筛选,选取与土壤含水率敏感的植被指数;最后,分别采用多元混合线性回归(Cubist)、反向传播神经网络(Back propagation neural network,BPNN)和支持向量机回归(Support vector machine regression,SVR)等机器学习方法,构建不同生育期的敏感植被指数与土壤含水率的关系模型。结果表明,3种机器学习方法中SVR模型在各生育期的建模与预测精度均最优,BPNN模型次之,Cubist模型最差;其中SVR模型在M期效果最优,其建模集和验证集R~2分别为0. 851和0. 875,均方根误差(Root mean square error,RMSE)均为0. 7%,标准均方根误差(Normalized root mean square error,nRMSE)分别为8. 17%和8. 32%,R期效果最差,其建模集和验证集R~2分别为0. 619和0. 517。
|
| 关 键 词： | 玉米 土壤含水率 无人机遥感 植被指数 机器学习 |
| 收稿时间： | 2019/1/22 0:00:00 |
Retrieving Soil Moisture Content in Field Maize Root Zone Based on UAV Multispectral Remote Sensing |
| |
| ZHANG Zhitao,TAN Chengxuan,XU Chonghao,CHEN Shuobo,HAN Wenting and LI Yu.Retrieving Soil Moisture Content in Field Maize Root Zone Based on UAV Multispectral Remote Sensing[J].Transactions of the Chinese Society of Agricultural Machinery,2019,50(7):246-257. |
| |
| Authors: | ZHANG Zhitao TAN Chengxuan XU Chonghao CHEN Shuobo HAN Wenting and LI Yu |
| |
| Institution: | Northwest A&F University,Northwest A&F University,Northwest A&F University,Northwest A&F University,Northwest A&F University and Northwest A&F University |
| |
| Abstract: | |
| |
| Keywords: | maize soil moisture content UAV remote sensing vegetation index machine learning |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
