基于无人机多源数据的花生表型估算模型

来源：农业机械学报杂志2026年第1期北京时间：

作者：何宁，王剑，卢宪菊，陈博，白波，樊江川

单位：北京市农林科学院,北京市数字农业农村促进中心,北京市农林科学院,北京市农林科学院,山东省农业科学院,北京市农林科学院,

摘要：花生作为重要的油料作物，对粮油产量安全起到至关重要的作用，准确、无损、实时的表型监测对花生生产管理具有重要意义。本研究利用无人机平台获取关键生育期多光谱及图像数据，提取冠层光谱（Multispectral, MS）、结构（Canopy height model, CHM）和纹理参数（Textural, TEX）信息，采用偏最小二乘回归（Partial least squares regression, PLSR）、支持向量机（Support vector machine, SVM）、人工神经网络（Artificial neural network, ANN）和随机森林回归（Random forest regression, RFR）4种算法构建花生株高、叶片叶绿素相对含量（SPAD值）、地上部生物量估算模型。研究结果表明：花生地上生物量和株高与近红外波段有强相关性（皮尔森相关系数分别为0.77和0.69），融合纹理、结构和光谱特征后的随机森林模型取得了对生物量最优的模型反演效果（决定系数R2为0.96），融合纹理和光谱特征后的偏最小二乘回归模型对株高的反演效果最优（R2为0.94）；融合纹理和结构特征后的偏最小二乘回归对SPAD值反演效果相对较好(R2为0.39，均方根误差（RMSE）为3.06，归一化均方根误差（nRMSE）为0.062，百分偏差比率（RPD）为1.30）。本研究明确了不同机器学习方法对花生不同表型指标估算所需的特征指标，构建的基于无人机多源数据的表型估算模型可以实现对花生株高和生物量的准确、无损、高效估算，为花生长势监测和生产管理提供了一种有效技术手段。

关键词：花生;表型性状估算模型;多源数据融合;机器学习;无人机遥感

基金资助：山东省重点研发计划项目（2021LZGC026）和北京市农林科学院作物表型组学协同创新中心项目（KJCX20240406）