论文部分内容阅读
针对实际生产中因农田地势起伏影响土壤水肥分布不均及环境冠气温差大等因素造成小麦群体长势和产量差异及其监测困难,于2019-2021年在豫中补灌区开封进行定位试验,本研究选择地形起伏空间差异大的田块,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育期无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息,分析植被指数、温度参数和结构地形参数与小麦生物量和产量的关系,利用多元线性回归（multiple linear regression,MLR）、偏最小二乘回归（partial least squares regression,PLSR）、随机森林（random forest regression,RFR）三种机器学习算法对生物量和产量进行单模态和多模态建模验证比较,确立基于多模态数据融合的生物量和产量精确估测模型。主要研究结果如下:1.坡度对小麦长生长发育的影响坡度是影响作物生长和产量的重要因子之一,在测定的拔节、孕穗、开花和灌浆中期四个生育时期内,生理参数和遥感参数均表现出明显的空间差异性。不同坡度等级间土壤含水量均表现出差异性,两年度均是灌浆中期土壤含水量差异最为明显,分别为6.6%和6.8%。小麦植株含水量随着生育时期推进而逐渐降低,两年度均在开花期差异最明显,最大差异分别为8.8%和9.2%。两年度地上部生物量均在开花期和灌浆期差异最为显著,2020年度坡度间最大差异分别为0.25kg/m~2和0.37kg/m~2,2021年坡度间最大差异分别为0.27kg/m~2和0.54kg/m~2。同样地上部氮积累量在开花期和灌浆期差异最为显著,2020年坡度间最大差异分别为11.65g/m~2和12.33g/m~2,2021年坡度间最大差异分别为12.95g/m~2和13.84g/m~2。产量及其构成因素在不同坡度等级间均存在较为明显的差异,随着坡度增大,产量、千粒重、穗数和穗粒数均表现为下降的趋势。两年度均在坡度0°～4°之间平均产量最高为8054.65kg/hm~2和8433.90kg/hm~2,不同坡度等级间,产量的平均最大差异为2481.91kg/hm~2和3308.92 kg/hm~2,平均减幅分别为30.81%和39.23%。2.基于多模态数据的小麦生物量估算依据与生物量的相关性,将7个植被指数（NDVI、GNDVI、OSAVI、SAVI、MCARI、NDRE、MSR）,2个温度参数（NRCT、CTD）以及4个结构参数（CH、VF、CVM、SLOPE）作为模型输入变量,对于单模态数据而言,对生物量的估算效应为植被指数＞结构参数＞温度参数,以开花期植被指数的RFR模型效果最好（R~2=0.713、RMSE=0.140 kg/m~2、MAE=0.124 kg/m~2）;对于双模态数据融合来说,在植被指数基础上融入结构参数表现最好,开花期RFR模型精度进一步提高（R~2=0.842、RMSE=0.113kg/m~2、MAE=0.082 kg/m~2）;三模态数据融合时,生物量估算效果明显优于单模态和双模态数据融合,其中以开花期RFR估算模型效果较好（R~2=0.897、RMSE=0.083 kg/m~2、MAE=0.078kg/m~2）,模型验证效果较好（R~2=0.903、RMSE=0.086 kg/m~2、MAE=0.075 kg/m~2）。在地势起伏区生物量估测中引入地形信息,结合RFR算法融合多模态数据,可以有效提高生物量估算模型的精度与稳定性。3.基于多模态数据的小麦产量估算依据与产量的相关性,筛选7个植被指数（NDVI、GNDVI、EVI2、OSAVI、SAVI、NDRE、WDRVI）和2个温度参数（NRCT、CTD）以及4个结构参数（CH、VF、CVM、SLOPE）作为模型输入变量,对于单模态数据而言,对产量的估算效应为植被指数＞结构参数＞温度参数,以开花期植被指数的RFR模型效果最好（R~2=0.717,RMSE=646.70kg/hm~2,MAE=537.31kg/hm~2）;对于双模态数据融合来说,在植被指数基础上融入结构参数表现最好,开花期RFR模型效果进一步提高（R~2=0.854,RMSE=472.94 kg/hm~2,MAE=361.65 kg/hm~2）;在双模态数据基础上引入温度参数进行三模态数据融合,其产量估算效果明显优于单模态和双模态数据融合,其中以开花期植被指数、温度参数和结构参数融合的RFR估算效果最好（R~2=0.884,RMSE=428.73 kg/hm~2,MAE=377.26 kg/hm~2）,模型验证效果较好（R~2=0.896、RMSE=431.64 kg/hm~2、MAE=364.85 kg/hm~2）。通过引入地形因子并结合随机森林回归算法将多模态数据有效融合,可以充分发挥不同遥感信息源之间互补协同作用,有效提高产量估算模型的精度与稳定性。