热带作物学报

作者：陶志强, 王晶晶, 吴炳孙, 叶回春, 杨珺, 程琦雯, 王紫璇, 蔡丰政, 林位卿, 朱锦龙

单位：1.海南大学热带农林学院，海南海口 570228,2.中国热带农业科学院橡胶研究所，海南海口 571101,3.海南空天信息研究院海南省地球观测重点实验室，海南三亚 572029,4.中国科学院空天信息研究院数字地球科学重点实验室，北京 100094,5.海南省农业科学院热带园艺研究所，海南海口 571100

关键词：无人机,南繁玉米,叶面积指数（LAI）,高光谱,机器学习

基金：海南省重点研发项目(ZDYF2021GXJS038),海南省重点研发项目(ZDYF2025XDNY112),国家自然科学基金项目(42167011)

玉米叶面积指数（leaf area index, LAI）是反映玉米生长和产量的关键参数，授粉期是决定玉米穗粒数与产量的关键时期。本研究旨在筛选合适的反演方法高效精确地估测授粉期南繁玉米LAI，以授粉期南繁玉米为研究对象，利用经纬M300RTK四轴无人机平台搭载ULTRIS X20 PLUS高光谱成像仪采集授粉期南繁玉米的冠层反射率数据。基于相关分析筛选28种LAI敏感的植被指数，使用单变量和多变量通过一元线性回归（unary linear regression, ULR），多元逐步回归（multiple stepwise regression, MSR）2种传统经验模型，以及偏最小二乘回归（partial least squares regression, PLSR）、随机森林回归（random forest regression, RFR）、支持向量回归（support vector regression, SVR）、BP神经网络（back propagation neural network, BPNN）4种机器学习模型构建玉米冠层LAI反演模型，比较不同植被指数与回归分析算法的预测精度，筛选最优反演模型，对授粉期南繁玉米的LAI状况进行精准预测。结果表明：大部分植被指数与LAI的相关性达到极显著（P<0.01）；相较于一元回归模型，多元回归模型的预测精度更高，其中RFR模型、MSR模型和PLSR模型的决定系数（R2）建模精度最高，R2分别为0.96、0.85和0.80，均方根误差（RMSE）分别为0.18、0.35和0.41。本研究通过分析高光谱数据与玉米LAI的相关性与敏感性，并使用基于高光谱数据计算的植被指数结合回归算法成功构建了可靠的玉米LAI反演模型，并根据反演效果最好的RFR模型建立了南繁玉米授粉期LAI空间分布图，为南繁玉米LAI估测以及生长发育田间监测提供理论依据和技术支撑。

来源：2025年第11期

《热带作物学报》期刊编辑部

查看热带作物学报杂志2025年第11期