基于高光谱遥感和集成学习方法的冬小麦产量估测研究

• 作者: 费帅鹏 禹小龙 兰铭 李雷 夏先春 何中虎 肖永贵
• 来源期刊: 中国农业科学
• 关键词: 冬小麦 产量 高光谱 集成方法 机器学习
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 耕作栽培·生理生化·农业信息技术|TILLAGE & CULTIVATION·PHYSIOLOGY & BIOCHEMISTRY·AGRICULTURE INFORMATION TECHNOLOGY
• 页码范围: 3417-3427
• 页数: 11页
• 语种: 中文
• DOI: 10.3864/j.issn.0578-1752.2021.16.005

摘要

[目的]利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值.[方法]以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型.[结果]2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关(P<0.0001),且表现出较高的遗传力(0.61-0.85),主要受遗传因素控制.在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数(R2)分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差(RMSE)分别降低至0.607、0.612和0.593 t·hm-2;节水处理下,3个生育期的平均R2分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm-2.[结论]利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考.