农业资源与环境学报

作者：贾增慧,张继真,郝航,张星宇,夏晨真,高强,张月

单位：吉林农业大学资源与环境学院, 长春 130118,吉林省商品粮基地土壤资源可持续利用重点实验室, 长春 130118,松辽水利委员会松辽流域水土保持监测中心站, 长春 114046,吉林农业大学资源与环境学院, 长春 130118,吉林省商品粮基地土壤资源可持续利用重点实验室, 长春 130118,吉林农业大学资源与环境学院, 长春 130118,吉林省突发事件预警信息发布中心, 长春 130062,吉林农业大学资源与环境学院, 长春 130118,吉林省商品粮基地土壤资源可持续利用重点实验室, 长春 130118,吉林农业大学资源与环境学院, 长春 130118,吉林省商品粮基地土壤资源可持续利用重点实验室, 长春 130118,秸秆综合利用与黑土地保护教育部重点实验室, 长春 130118,吉林农业大学资源与环境学院, 长春 130118,吉林省商品粮基地土壤资源可持续利用重点实验室, 长春 130118,秸秆综合利用与黑土地保护教育部重点实验室, 长春 130118

关键词：无人机，高光谱影像，田块尺度，玉米，产量，机器学习,

基金：国家自然科学基金项目（42301074）；国家重点研发计划项目（2021YFD1500800）

为实现东北黑土区田块尺度上玉米产量的精准估算与生育时期优选，本研究以我国东北黑土区的春玉米为研究对象，选取吉林省梨树县的长期定位玉米试验田，于2019、2020年利用无人机采集玉米3个关键生育时期（拔节期、吐丝期、成熟期）的冠层高光谱影像，选取10种与产量显著相关的窄波段植被指数，并结合作物农学参数与施肥信息，分别采用逐步回归、随机森林（RF）和极度梯度提升树（XGBoost）算法构建玉米产量估算模型。最后通过决定系数（R2）、均方根误差（RMSE）和归一化均方根误差（NRMSE）对产量模型进行精度评价，以筛选出最优估产模型。结果表明：3种产量预测模型中XGBoost模型估算精度较优，其2019年吐丝期的R2、RMSE和NRMSE分别为0.93、1 054.17 kg·hm-2和11.68%。同时，3种模型均表现为在吐丝期估算精度最优，最佳模型——2019年吐丝期的XGBoost模型中用于玉米产量估算的指示因子——植被指数R-M、作物农学参数与施肥信息的特征重要性分别为19.72%、4.70%、62.41%。研究表明，结合无人机影像与机器学习算法并融合多源辅助信息可提高田块尺度玉米产量的估算精度，为农业生产中的作物产量精准预估提供数据支撑与科学参考。

来源：2025年第1期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2025年第1期