基于多源数据的小麦品种产量估测研究

小麦产量产前估测关乎农业生产计划制定、粮食安全保障、国家经济和宏观决策。应用无人机能够无损、快速准确、及时高效地估测小麦产量，通过多种机器学习方法充分挖掘无人机多源遥感数据对多个小麦品种进行籽粒产量估测的潜力，明确多源数据融合对模型估测精度的提升效果，对于作物田间管理保障小麦高产稳产具有重要意义。以黄淮麦区140个主栽小麦品种为材料开展冬小麦田间试验，采用搭载红绿蓝(RGB)和多光谱传感器的无人机平台对灌浆期的冠层信息进行采集，分别以岭回归、支持向量回归、随机森林回归、高斯过程、 k-最邻近算法和Cubist等六种机器学习算法建立单传感器数据以及多源数据融合的产量估测模型，采用决定系数(R²)、均方根误差(RMSE)和相对均方根误差(RRMSE)对估算模型进行评价。结果表明，所选取的10个可见光植被指数及13个多光谱被指数特征值均与实测产量呈极显著相关(p<0.01),各特征值产量相关系数绝对值由高到低依次为多光谱植被指数(0.54～0.83)、可见光植被指数(0.45～0.61)、纹理特征(<0.45)。全部六种机器学习算法均在采用多源数据融合时产量...