基于无人机多光谱和机器学习的灌溉农田冬小麦产量预测方法研究

来源：水资源与水工程学报杂志2026年第3期北京时间：

作者：李欣柯，胡雅琪，吴文勇，马宗瀚，李稼瑜，乔长录

单位：1.石河子大学水利建筑工程学院,2.中国水利水电科学研究院

摘要：作物产量精准预测在优化种植决策、提升资源利用效率等方面具有重要作用。以西北干旱区冬小麦为研究对象，基于极端梯度提升树、支持向量回归与随机森林回归算法研究提出冬小麦抽穗期、开花期和灌浆期等不同生育期植被指数预测模型。结果表明：在抽穗期和开花期使用极端梯度提升树模型对冬小麦产量预测的精度最高，其训练集R2分别为0.92和0.90，测试集R2分别为0.79和0.72，该两个生育期对应的植被指数组合分别为超红指数（EXR）、改进型绿红植被指数（MGRVI）、归一化绿红差异指数（NGRDI）、红绿比值指数（RGRI）、比值植被指数（RVI）和绿色归一化植被指数（GNDVI）、改进型绿红植被指数、比值植被指数、超红指数、归一化绿红差异指数。在灌浆期使用随机森林回归模型对冬小麦产量预测的精度最高，其训练集R2最大为0.81，测试集R2最大为0.85，所选的植被指数组合均为最优组合。通过试验得到灌浆期的预测精度最高，其次是抽穗期，开花期预测精度最差。使用极端梯度提升树和随机森林回归模型对冬小麦进行产量预测具有可行性，能够精准预测冬小麦产量。

关键词：冬小麦,产量预测,植被指数,多光谱,机器学习

基金资助：国家重点研发计划项目（2022YFD1900800）