文章目录

0 引 言

1 试验设计

1.1 研究区概况

1.2 试验方案

2 数据获取与处理

2.1 农学数据

2.2 遥感数据

2.3 高光谱数据预处理

2.4 高光谱特征参数筛选

    (1)基于位置的高光谱特征参数。

    (2)基于面积的高光谱特征参数。

    (3)基于植被指数的高光谱特征参数。

2.5 模型构建方法

    2.5.1 偏最小二乘回归分析

    2.5.2 BP神经网络回归分析

    2.5.3 随机森林回归分析

3 结果和分析

3.1 基于偏最小二乘回归分析的春玉米氮营养 指数反演研究

3.2 基于BP神经网络回归分析的春玉米氮营 养指数反演研究

3.3 基于随机森林回归分析的春玉米氮营养指 数反演研究

4 讨 论

5 结 论

文章摘要:为了利用高光谱技术准确探测作物氮素营养状况,以东北春玉米为研究对象,获取6个氮肥梯度的随机试验数据,并采用无人机（unmanned aerial vehicle, UAV）搭载UHD185高光谱成像系统,获取关键生育期试验小区内春玉米冠层高光谱遥感影像,通过5种方法对提取的冠层高光谱信息进行预处理,并分别采用偏最小二乘回归、BP神经网络回归和随机森林回归3种算法,构建春玉米氮营养指数反演模型。结果表明:（1）各光谱预处理下,春玉米氮营养指数与冠层高光谱反射率在近红外波段范围内相关性较高;比较高光谱特征参数,春玉米氮营养指数与黄边内一阶微分光谱中的最大值相关性较高;（2）经MSC预处理后,以高光谱特征参数为变量构建的反演模型精度最高,预测集R²的平均值为0.80;（3）随机森林算法结合MSC预处理反演玉米氮营养指数效果更好,精度更高,模型更稳定。通过对比不同方法建立的春玉米氮营养指数反演模型,提高了模型估测能力和验证精度,有利于模型估测能力的调控与优化,提升了反演模型的适用性,为春玉米精准氮营养诊断和精准氮肥管理提供了理论依据和技术支撑。

文章关键词:

项目基金: