基于無人機高光譜影像的田塊尺度玉米估產與生育時期優選

摘要：為實現東北黑土區田塊尺度上玉米產量的精準估算與生育時期優選，本研究以我國東北黑土區的春玉米為研究對象，選取吉林省梨樹縣的長期定位玉米試驗田，于2019、2020年利用無人機采集玉米3個關鍵生育時期（拔節期、吐絲期、成熟期）的冠層高光譜影像，選取10種與產量顯著相關的窄波段植被指數，并結合作物農學參數與施肥信息，分別采用逐步回歸、隨機森林（RF）和極度梯度提升樹（XGBoost）算法構建玉米產量估算模型。最后通過決定系數（R2）、均方根誤差（RMSE）和歸一化均方根誤差（NRMSE）對產量模型進行精度評價，以篩選出最優估產模型。結果表明：3種產量預測模型中XGBoost模型估算精度較優，其2019年吐絲期的R2、RMSE 和NRMSE 分別為0.93、1 054.17 kg·hm-2和11.68%。同時，3種模型均表現為在吐絲期估算精度最優，最佳模型——2019年吐絲期的XGBoost模型中用于玉米產量估算的指示因子——植被指數R-M、作物農學參數與施肥信息的特征重要性分別為19.72%、4.70%、62.41%。研究表明，結合無人機影像與機器學習算法并融合多源輔助信息可提高田塊尺度玉米產量的估算精度，為農業生產中的作物產量精準預估提供數據支撐與科學參考。

關鍵詞：無人機；高光譜影像；田塊尺度；玉米；產量；機器學習

中圖分類號：S513；S127 文獻標志碼：A 文章編號：2095-6819（2025）01-0079-11 doi： 10.13254/j.jare.2023.0634

我國作為世界農業大國之一，擁有2億～3億的小型農戶家庭[1]，在數量和面積有限的耕地上確保糧食安全并實現農業可持續發展具有重要意義。東北黑土區作為我國重要的糧食生產優勢區及商品糧供給地，也是小型農戶的集中分布區，其土壤養分含量豐富，物理性狀優良。……