第八届青年地学论坛

对于作物田间的精细化管理，及时准确地监测作物生长情况和产量的动态信息至关重要。
本研究利用哨兵二号遥感数据平台采集水稻拔节期叶片冠层光谱影像,结合水稻拔节期的叶绿素值及最终产量,利用统计学模型分析,分别建立了水稻叶绿素反演模型和水稻产量预测模型,并对比了不同建模方法(一元线性回归、支持向量机、XGboost、mlp多层感知机预测、多元线性回归、随机森林模型)在水稻的拔节期叶绿素反演和估产模型的适用性,从而得到了最优叶绿素反演模型和最优估产模型。
研究结果如下:(1)水稻冠层叶片的叶绿素含量与多数光谱参数之间存在显著或极显著的相关性。具体而言，在整个拔节期中，红光和蓝光的光谱参数与叶绿素含量呈现出显著的负相关关系。而绿光、近红外和红边波段的光谱参数则与叶绿素含量呈现显著正相关，在整个拔节期中都表现出这种相关性。(2)利用5种回归模型构建基于20种叶片冠层光谱参数的叶绿素值反演模型,求得叶绿素含量预测值与实测值间均呈现显著或极显著相关,经过对比分析,水稻拔节期中随机森林模型构建的精度最高,是反演水稻叶绿素值的最佳模型,其R²、RMSE分别为0.797和0.91。(3)利用5种回归模型构建的水稻估产模型中,以叶绿素值和光谱参数相结合作为自变量构建的成熟期mlp多层感知机预测模型估产效果最好,其R²和RMSE分别为0.903、39.2 kg/hm²。
 

哨兵二号,叶绿素,水稻,光谱参数,反演模型,估产模型