论文部分内容阅读
大豆,作为我国最重要的油料作物与粮食作物之一,在我国粮食安全中发挥着极其重要的作用。及时准确地获取大豆的长势信息可以为作物生产管理和早期产量估算提供重要的依据。叶面积指数（LAI）是作物群体结构的重要参数,可以有效反映作物的冠层结构变化,群落生命活力和环境效应,对作物长势评价和产量预测具有重要的意义。地上生物量（AGB）是表征植被生命活动的重要指示因子,可以有效反映作物的长势情况,也是生态系统重要的功能指标。本文以北方旱作条件下,早春播种类型的大豆为研究对象,通过四旋翼无人机搭载多光谱传感器获取大豆结荚期、鼓粒期的多光谱影像,每7-10天采集一次数据,结合同期样方实测的LAI和AGB,选取比值植被指数（RVI）、差值植被指数（DVI）、归一化植被指数（NDVI）、增强植被指数（EVI）、三角植被指数（TVI）、土壤调节植被指数（SAVI）、优化土壤调节植被指数（OSAVI）、绿度归一化植被指数（GNDVI）、大气阻抗植被指数（ARVI）这9种单一植被指数（VI）和逐步回归得到的最佳VI组合,构建大豆结荚期和鼓粒期LAI、AGB的一元线性回归模型,多元线性回归模型,BP神经网络模型和支持向量机（SVM）模型。主要研究结果如下:（1）利用一元线性回归法,分别构建RVI、DVI、NDVI、EVI、TVI、SAVI、OSAVI、GNDVI、ARVI这9种VI与大豆鼓粒期LAI的一元线性回归模型,并对未参与建模的样本数据进行预测,选取决定系数（R~2）和均方根误差（RMSE）作为模型评价的标准,结果表明:NDVI-LAI线性回归模型的预测效果较好,R~2为0.8149,RMSE为0.4045,其次是ARVI-LAI线性回归模型和RVI-LAI线性回归模型。（2）利用多元线性回归法,分别构建大豆LAI和AGB的多元线性回归模型,以逐步回归法筛选出的最佳VI组合作为模型的自变量,LAI、AGB作为模型的因变量。结果表明:以NDVI、GNDVI、ARVI为自变量的大豆鼓粒期LAI多元线性回归模型预测效果较好,R~2为0.8704,以RVI、OSAVI、GNDVI、ARVI为自变量的大豆结荚期AGB多元线性回归模型预测效果优于以NDVI、EVI、TVI为自变量的大豆鼓粒期AGB多元线性回归模型,R~2为0.7734,RMSE为0.0777 kg/m~2。（3）利用BP神经网络法,基于逐步回归得到的最佳VI组合,构建大豆LAI、AGB的BP神经网络模型,并对未参与建模的样本数据进行预测,结果表明:以NDVI、GNDVI、ARVI组合的3个神经元为输入变量,LAI为输出变量的大豆鼓粒期LAI预测模型R~2为0.8289,RMSE为0.3889。以RVI、OSAVI、GNDVI、ARVI组合的4个神经元为输入变量,大豆结荚期AGB为输出变量的BP神经网络模型预测效果优于以NDVI、EVI、TVI组合的3个神经元为输入变量,大豆鼓粒期AGB为输出变量的BP神经网络模型,模型R~2为0.7722,RMSE为0.0779 kg/m~2。（4）利用SVM方法,基于逐步回归得到的最佳VI组合,以NDVI、GNDVI、ARVI为输入量,大豆鼓粒期LAI为输出量,进行SVM模型的构建与检验,经检验模型R~2为0.8605,效果较好。以RVI、OSAVI、GNDVI、ARVI为输入量,大豆结荚期AGB为输出量的SVM模型的预测效果优于以NDVI、EVI、TVI为输入量,大豆鼓粒期AGB为输出量的SVM模型,经检验模型R~2为0.786,RMSE为0.0755 kg/m~2。（5）综合比较一元线性回归模型、多元线性回归模型、BP神经网络模型和SVM模型对大豆LAI、AGB的预测精度,结果表明:以NDVI、GNDVI、ARVI为自变量的多元线性回归模型对大豆鼓粒期LAI的预测效果最好,模型R~2为0.8704;以RVI、OSAVI、GNDVI、ARVI为输入量的SVM模型对大豆结荚期AGB的预测效果优于其他模型,R~2为0.786,RMSE为0.0755 kg/m~2。以NDVI、EVI、TVI为输入量的SVM模型对大豆鼓粒期AGB的预测效果最佳,R~2为0.7637,RMSE为0.0957 kg/m~2。分别利用多元线性回归模型对大豆鼓粒期光谱影像进行LAI的反演,利用SVM模型对大豆结荚期光谱影像进行AGB的反演。