近日,中国农业科学院农田灌溉研究所节水高效灌溉技术与装备团队构建了多源特征融合的卷积神经网络模型,实现玉米叶面积指数无人机遥感高精度快速监测,相关成果发表于《农业人工智能(Artificial Intelligence in Agriculture)》。
叶面积指数是农业模型中调控水肥管理及预测产量的核心参数,直接影响作物生长模拟和水肥决策的准确性。无人机遥感能快速无损监测叶面积指数,但光照变化、空间和植被异质性均会导致估算误差。
研究在河南新乡、江苏徐州设置多梯度水肥一体化喷灌管理玉米定点种植试验,用无人机采集多光谱遥感数据并提取光谱特征、纹理特征和作物高度,构建多源特征数据集,分别采用多元线性回归、梯度提升决策树和卷积神经网络(CNN)算法构建估算模型。结果显示,多源特征融合构建的CNN模型监测精读最优,R²为0.77-0.83,RMSE为0.44-0.53,rRMSE为10.79%-12.85%。该模型较传统单一光谱特征机器学习算法R2提升0.23,RMSE降低0.25,rRMSE降低6.10%,且具备跨区域适应性。研究为遥感高效监测玉米叶面积指数以提高水肥利用效率、增强作物抗灾害能力提供新方法。
研究得到国家重点研发计划等项目支持。
原文链接:https://doi.org/10.1016/j.aiia.2025.04.008
图1叶面积指数测量
图2无人机传感器设备
图3叶面积指数时空分布