基于无人机高光谱遥感的烤烟叶片叶绿素含量估测

分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》

赖佳政 李贝贝 程翔 孙丰 陈炬廷 王晶 张芊 叶协锋

摘要： ［目的/意义］烤烟叶片叶绿素含量（Leaf Chlorophyll Content，LCC）是表征烤烟光合作用、营养状况和 长势的重要指标。本研究的目的为高效精确地估测不同生长期烤烟LCC。［方法］以中烟100烟叶为研究对象，利 用无人机搭载Resonon Pika L高光谱成像仪采集烤烟在6个关键生育期冠层反射率数据。基于相关分析筛选了21种 LCC的敏感光谱指数，通过比较不同光谱组合及不同回归分析算法的预测精度，最终建立了基于多种光谱指数组 合的LCC回归估测模型。采用一元线性回归（Unary Linear Regression，ULR）、多元线性回归（Multivariable Linear Regression，MLR）、偏最小二乘回归（Partial Least Squares Regression，PLSR）、支持向量回归（Support Vector Re⁃ gression，SVR）和随机森林回归（Random Forest Regression，RFR）5种建模方法进行LCC估测。［结果和讨论］ 在不同生育期大部分光谱参数与LCC的相关性达到极显著（P<0.01）；相较于传统植被指数，新组合的光谱指数显 著提升了与LCC的相关性；对单变量LCC估测模型ULR，以移栽后75 d新组合的归一化光谱指数与红光比率光谱 指数的单变量建模精度最高，两者决定系数（Coefficient of Determination，R2） 和均方根误差（Root Mean Square Error，RMSE） 分别为0.822和0.814，0.226和0.230。MLR、PLSR、SVR和RFR建模方法预测结果表明，RFR算 法在LCC估测中效果最好，其中使用移栽后75 d数据验证集的R2和RMSE可达0.919和0.146。［结论］本研究通过 分析多种光谱指数与烤烟LCC的响应规律，构建可靠的烤烟叶片LCC估测模型，可为烤烟叶LCC估测以及烤烟的 生长发育监测提供理论依据和技术支撑。

 点击量 780  下载量 153  评论