基于无人机高光谱成像的光谱-纹理融合技术对蚕豆产量及其产量等级的早期预测

《Journal of Integrative Agriculture》：Early prediction of faba bean yield and yield categories based on spectral-texture fusion of UAV hyperspectral imaging

　　

一山吉 | 月松 | 英金 | 于兴崔 | 余金 | 明泉丁 | 唐阳

中国浙江省农业与林业大学高级农业科学学院，杭州市临安，311300

摘要

准确且无损地预测作物产量及其类别对于提高精准农业水平至关重要。本研究提出了一个综合框架，结合了基于无人机的高光谱成像技术和机器学习方法，用于预测蚕豆的早期产量及其类别。在蚕豆生长的三个关键阶段（分枝期、早期开花期和中期开花期）进行了田间实验，使用了高分辨率高光谱数据。提取了全波段反射率（FBR）和纹理特征（TF），并将它们融合在一起，以提高模型对冠层光谱结构变化的敏感性。结果表明，在所有生长阶段，FBR的决定系数（R2>0.60）和均方根误差（RMSE<0.93 t ha?1）均优于植被指数（VIs），表明其能够更好地捕捉微妙的生理变化。将TF与FBR结合使用进一步提高了模型精度，尤其是在中期开花期（R2=0.8254，RMSE=0.4732 t ha?1）。与传统方法相比，R2提高了约15-27%，RMSE降低了38-49%，这凸显了光谱-空间融合的协同效应。在预测产量类别方面，XGBoost算法表现出色（F1分数>0.86）。空间分析证实了实际测量值与预测值在产量及其类别分布上的一致性，验证了所提出方法的可靠性。本研究开发了高光谱和机器学习预测模型，用于早期预测蚕豆的产量及其类别，为高通量表型分析和可持续作物管理提供了可扩展的数据驱动工具。