论文部分内容阅读
水稻是我国的主要粮食作物，利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测，一方面可以及时调整栽培管理方式，指导合理追肥，另一方面，可以准确掌握水稻的产量信息，帮助政府提前做出决策。以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础，分别获取水稻分化期和抽穗期冠层高光谱数据、作物群体长势参数（生物量、叶面积指数）及作物养分吸收量，利用贝叶斯岭回归（BRR）、支持向量回归（SVR）、偏最小二乘回归（PLSR）三种方法建立各生育期的产量监测模型并进行精度对比，确定水稻产量的最优估算时期和最佳估测模型。结果表明，三种方法中，BRR和SVR方法更适合产量监测，在不同时期及不同的参数组合下均有较好的表现（R~2＞0.82, NRMSE＜8.22%）;基于2019年与2020年数据，采用全波段光谱信息进行产量监测时，分化期最佳监测模型为BRR模型，R~2为0.90,抽穗期最优监测模型为SVR模型，R~2为0.87;采用全波段光谱协同作物群体长势参数进行产量监测时，两时期最佳监测模型均为BRR模型，R~2分别达到0.90和0.92;相较于BRR模型和SVR模型，PLSR模型在不同时期和不同参数组合下，最高R~2仅为0.75;基于2020年数据，以三种不同的参数组合作为输入时，两时期估算结果均为BRR模型最优，且分化期建模精度高于抽穗期（R~2至少增加0.02, NRMSE至少降低0.61%）;当输入参数组合为全波段光谱协同作物群体长势参数、作物养分吸收量时，BRR模型对产量的估算精度达到最高，R~2为0.94。分析认为产量的最优监测时期是分化期，最优监测模型为BRR模型。研究结果可为水稻产量的早期遥感监测提供参考。