多源遥感数据耦合CBA-Wheat模型的冬小麦生物量估算研究

作     者：王士俊 刘苗 赵钰 柳昭宇 刘修宇 冯海宽 隋学艳 李振海 WANG Shijun;LIU Miao;ZHAO Yu;LIU Zhaoyu;LIU Xiuyu;FENG Haikuan;SUI Xueyan;LI Zhenhai

作者机构：山东科技大学测绘与空间信息学院青岛266590 北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 中南大学智能信息处理及系统研究所长沙410083 山东省农业科学院农业信息与经济研究所济南250100 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2024年第28卷第12期

页      面：3123-3135页

核心收录：

学科分类：07[理学] 08[工学] 09[农学] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 070801[理学-固体地球物理学] 0708[理学-地球物理学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(编号:42271396) 山东省重点研发计划(编号:2022LZGC021) 国家重点研发计划(编号:2021YFB3901303) 

主　　题：冬小麦 地上生物量 遗传算法 CBA-Wheat 多源数据 EVI2 Sentinel-2 遥感 

摘      要：生物量是反映作物生长状况的重要指标,及时准确估计冬小麦地上生物量对于产量预测和田间管理决策具有重要意义。综合考虑遥感植被指数VI(Vegetation Index)与数字化生育期ZS(Zadoks Stage)创建的作物生物量模型CBA-Wheat(Crop Biomass Algorithm for Wheat),虽然适用于全生育时期的冬小麦生物量估算,但是由于模型参数基于地面高光谱数据构建,而卫星遥感数据在应用过程中,需要使用更多的地面实测数据进行模型参数的调试,因而限制了该模型的推广使用。因此,本研究采用遗传优化算法GA(Genetic Algorithm)对CBA-Wheat模型进行全局优化确定模型最优参数,利用高分辨率遥感影像提取VI与试验记录的ZS数据,分别构建以不同VI为输入变量的冬小麦生物量反演模型,并进行验证。结果表明:增强型植被指数EVI2(Enhanced Vegetation Index2)为输入变量建立的模型精度最高,冬小麦生物量估算验证的决定系数(R^(2))和均方根误差(RMSE)分别达到0.92 t/hm 2和1.37 t/hm 2;基于CBA-Wheat模型的生物量估算精度效果优于基于偏最小二乘回归方法的生物量估算精度(R^(2)=0.85,RMSE=1.87 t/hm 2)。综上,本研究基于遗传算法优化的CBA-Wheat模型不仅具有较高的反演精度,而且适用于冬小麦多个生育期反演,在使用遥感卫星数据进行大面积生物量预测方面具有较好的应用潜力。