基于无人机多光谱遥感的油菜地上部生物量估算

建立一种高效监测油菜地上部生物量(Aboveground biomass,AGB)的无损方法用于反映作物生长状况。以浙油50和沣油737等2个油菜品种为研究对象,通过无人机搭载多光谱仪获取油菜的多光谱影像,提取油菜冠层5个单波段反射率和10个植被指数,筛选与油菜地上部生物量相关性显著的光谱特征参数,采用随机森林(RF)、BP神经网络(BP)、支持向量机(SVM)3种方法建立地上部生物量估测模型。采用决定系数R^(2)(Coefficient of determination)、均方根误差(Root mean square error,RMSE)和相对分析误差(Relative predication deviation,RPD)对模型的估算精度进行评价。浙油50、沣油737、浙油50+沣油737的地上部生物量估算模型在测试集上,均表现为RF模型R^(2)最大、RMSE值最小、RPD值最大,分别为0.609、0.238 kg·m^(-2)、1.600;0.725、0.364 kg·m^(-2)、1.919;0.627、0.423 kg·m^(-2)、1.639。通过无人机采集作物多光谱影像,可以构建基于光谱特征参数的作物地上部生物量估算模型,随机森林模型精度最佳,为研究的最佳建模方法。