基于无人机多光谱影像的冬小麦花前期氮素营养估测

作     者：陶新宇 朱永基 苏祥祥 祝雪晴 任兰天 刘吉凯 李新伟 TAO Xinyu;ZHU Yongji;SU Xiangxiang;ZHU Xueqing;REN Lantian;LIU Jikai;LI Xinwei

作者机构：安徽科技学院资源与环境学院安徽凤阳233100 安徽省农业废弃物肥料化利用与耕地质量提升工程研究中心安徽凤阳233100 安徽省作物智慧种植与加工技术工程研究中心安徽凤阳233100 

出 版 物：《安徽科技学院学报》 (Journal of Anhui Science and Technology University)

年 卷 期：2023年第37卷第3期

页      面：50-59页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 

基　　金：凤阳县科技计划项目(NY2022-01) 新疆生产建设兵团绿洲生态重点实验室开放课题发展基金(201903) 安徽省大学生创新创业训练计划项目(202210879043) 

主　　题：无人机多光谱影像 氮素营养参数 植被指数 花前期 冬小麦 

摘      要：目的:利用多光谱无人机建立长江中下游地区冬小麦花前期氮素营养低成本、易推广、高效率的估测模型。方法:利用DJI Phantom 4 Multispectral相机获取4个氮素水平下3个冬小麦品种的多光谱影像数据,探讨植被指数对4种冬小麦氮素营养参数估测的敏感性,采用线性回归、随机森林和主成分分析算法构建冬小麦花前关键生育时期的氮素营养参数监测模型,筛选各时期氮素营养参数的最优估测模型。结果:所选9种植被指数均与氮素营养参数呈极显著相关。在拔节期,线性模型对氮素营养参数的预测性能最佳,R^(2)为0.87~0.94,nRMSE为8.44~12.49,RPD为2.79~4.08;在孕穗期,3种模型的估测性能相当;在抽穗期,随机森林和主成分回归模型的估测精度更高。结论:线性回归模型在拔节期和孕穗期,随机森林和主成分回归模型在冠层结构复杂的抽穗期,可实现冬小麦氮素营养参数的精准监测,研究可为长江中下游冬小麦氮素营养诊断和施肥决策提供科学参考。