基于无人机遥感数据和机器学习的向日葵LAI反演

作     者：于海琳 兰玉彬 李京谦 杨蕾 崔文豪 赵军胜 宫慧慧 赵静 YU Hailin;LAN Yubin;LI Jingqian;YANGA Lei;CUI Wenhao;ZHAO Junsheng;GONG Huihui;ZHAO Jing

作者机构：山东理工大学农业工程与食品科学学院淄博255049 山东理工大学国际精准农业航空应用技术研究中心淄博255049 山东省农业科学院经济作物研究所济南250131 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2025年第56卷第1期

页      面：356-365页

核心收录：

学科分类：09[农学] 0901[农学-作物学] 

基　　金：山东省自然科学基金项目(ZR2021MD091) 山东省引进顶尖人才“一事一议”专项经费项目(鲁政办字27号) 

主　　题：向日葵 叶面积指数 无人机遥感 特征组合 机器学习 反演 

摘      要：为快速、准确获取育种向日葵叶面积指数,通过无人机搭载多光谱相机和DJI L1型激光雷达镜头,获取向日葵现蕾期、开花期和成熟期的无人机遥感数据。计算了9种多光谱植被指数和8类纹理特征,提取了8种LiDAR特征参数,利用皮尔逊相关系数法筛选出与LAI相关性高的4种植被指数、3类纹理特征和4种LiDAR特征参数;采用K近邻(K-nearest neighbor,KNN)、随机森林(Random forest,RF)、极致梯度提升树(eXtreme gradient boosting,XGBoost)和分类提升算法(Category boosting,CatBoost),分别构建基于植被指数、纹理特征、LiDAR特征参数、植被指数+纹理特征、植被指数+LiDAR特征参数、纹理特征+LiDAR特征参数和3类特征组合的向日葵LAI估测模型,利用决定系数(Coefficient of determination,R2)和均方根误差(Root mean square error,RMSE)来评价模型精度;采用最佳模型反演育种向日葵LAI并将其可视化。结果表明,CatBoost算法与植被指数+纹理特征+LiDAR特征参数建立的向日葵LAI估测模型在3个时期的效果最好,决定系数分别为0.93、0.91和0.90,均方根误差分别为0.13、0.14和0.15。研究结果可为向日葵育种及田间精准管理提供依据。