通过将无人机多谱图像与作物生理参数集成,估计夏季玉米生物量

科学领域:

• 农业遥感 农业遥感
• 植物生理学作物生理学
• 机器学习在农业中的应用

背景情况:

• 准确估计夏季玉米的地面生物质 (AGB) 对农业管理和产量预测至关重要.
• 传统的AGB测量方法效率低下,缺乏空间信息.
• 无人驾驶飞行器 (UAV) 技术为高效的AGB监测提供了潜力,但目前的预测准确性有限.

研究的目的:

• 使用无人机数据开发和评估机器学习模型,用于预测夏季玉米AGB在其整个生长期内使用UAV数据.
• 评估光谱数据 (颜色指数,CIS) 和植物高度 (PH) 对AGB预测准确性的贡献.
• 为了比较部分最小平方回归 (PLSR),随机森林 (RF) 和长短期记忆 (LSTM) 模型的性能.

主要方法:

• 在夏季玉米的六个关键生长阶段,使用DJI Phantom 4 Pro捕获了多光谱图像.
• 从无人机图像中提取了颜色指数 (CIS) 和数字海拔模型 (DEM) 数据.
• 收集了包括AGB和植物高度 (PH) 在内的地面真实数据;PLSR,RF和LSTM模型进行了训练和验证.

主要成果:

• 无人机光谱数据 (CIS) 单独产生了较差的AGB预测准确性,LSTM (CIS) 获得了最高的R2 (0.516-0.649).
• 整合植物高度 (PH) 数据显著改善了模型性能,将R2增加约25%,并将RMSE/NRMSE减少20%
• 在LSTM (PH + CIS) 模型中,表现最好,R2 = 0.744,RMSE = 4.833g,NRSME = 0.107.

结论:

• 将无人机衍生的光谱数据与植物高度相结合,可以显著提高夏季玉米地面生物质的预测准确性.
• 当LSTM模型与CIS和PH数据集成时,它为AGB监控提供了强大而准确的方法.
• 这种方法为基于无人机的精确遥感作物生物质状态提供了有价值的参考.