融合光谱和纹理特征的玉米产量预测研究

本研究采集夏玉米拔节、抽雄、灌浆和成熟4个时期的无人机可见光和多光谱影像,提取和筛选植被指数与纹理特征参数,构建植被指数与纹理特征融合变量,采用反向传播神经网络、随机森林和支持向量机3种机器学习方法构建玉米产量预测模型。结果表明:相较于单一类型参数,融合植被指数和纹理特征进行产量预测模型精度更高;3种机器学习方法中以随机森林构建的玉米产量预测模型效果最好,且最佳预测时期为灌浆期(籽粒水泡期);综合评价建模和验证结果,基于多光谱影像植被指数与纹理特征融合变量和随机森林方法构建的模型玉米产量预测效果最佳。遥感信息的多特征融合与机器学习方法的搭配能够挖掘和利用更多信息并提高玉米产量预测的精度和鲁棒性。