农业水土工程
高敏, 侯冉, 刘小磊, 孙秀路, 段福义
针对玉米叶面积指数(leaf area index, LAI)遥感反演中缺乏对不同生育期特征组合与降维方法系统比较的问题,基于不同水氮梯度田间试验,获取大喇叭口期、抽雄吐丝期及灌浆期的无人机多光谱影像与地面实测LAI数据,系统比较仅植被指数、仅纹理特征及融合特征3类输入,结合偏最小二乘回归(partial least squares regression, PLSR)、递归特征消除(recursive feature elimination, RFE)、最小绝对收缩与选择算子(least absolute shrinkage and selection operator, LASSO)这3种降维方法,对比3种降维方法分别与5种机器学习模型组合后的反演精度与泛化效果.结果表明:融合特征在多数组合中优于单一特征,大喇叭口期决定系数R2较单一特征最高提高0.14;纹理特征在冠层郁闭后期具有抗光谱饱和能力,灌浆期仅纹理特征的精度已接近融合特征.3种降维方法中,LASSO普适性最强,与随机森林结合在抽雄吐丝期取得最高精度(R2=0.89,相对分析误差RPD=3.11);PLSR降维与线性模型适配良好(R2为0.80~0.86),但与非线性模型适配性差;RFE在大喇叭口期表现优异,后期精度下降.最优模型因生育期而异:大喇叭口期线性模型更稳健,抽雄吐丝期与灌浆期非线性模型精度更高,抽雄吐丝期为最佳监测窗口.文中研究形成的“生育期-模型”动态适配策略,可为玉米精准水肥管理提供高精度LAI数据支撑.