利用基于无人机的多光谱成像技术预测水稻中的氮含量

《CLEAN – Soil, Air, Water》：Predicting Nitrogen Content in Rice Using Unmanned Aerial Vehicle Based Multispectral Imaging

精准估算水稻氮含量对优化施肥至关重要。本研究采用无人机多光谱传感器获取7个植被指数数据，通过随机森林（RF）和人工神经网络（ANN）模型预测水稻氮含量，结果显示RF模型表现更优（测试集R2分别为0.67%和0.55%），NDRE和NDVI对模型精度影响显著。

　　

摘要

精确估算水稻中的氮（N）含量对于优化肥料使用至关重要。传统的氮含量估算方法耗时、费力且成本高昂。无人机（UAV）作为一种高效、节省时间和成本的替代方案，能够实现对更大范围水稻田的更准确、更灵活的监测。本研究的目标是：（i）利用从无人机多光谱传感器获取的七个植被指数，开发随机森林（RF）和人工神经网络（ANN）模型来预测和绘制水稻中的氮含量百分比；（ii）评估这些关键植被指数（VI）及其与预测氮含量之间的相互关系。实验在印度奥里萨邦的库塔克地区进行，选取了氮含量不同的水稻田。无人机图像的采集时间与水稻的分蘖高峰期同步，同时生成了七个植被指数。水稻样本采集于无人机拍摄图像的当天，氮含量在实验室中进行测定。以氮含量为因变量，植被指数为自变量，分别建立了RF和ANN模型。两种模型均表现出较强的预测能力，但RF模型的表现优于ANN模型。在农民田地进行的测试中，使用所开发的RF和ANN模型预测的氮含量范围分别为0.78%至1.95%（R²为0.67%）和0.5%至1.78%（R²为0.55%）。归一化差异红边指数（NDRE）和归一化差异植被指数（NDVI）对两种模型的构建都起到了重要作用。

利益冲突

作者声明不存在利益冲突