基于无人机影像多源信息的冬小麦生物量与产量估算

doi:10.15933/j.cnki.1004-3268.2023.12.017

河南农业科学 ›› 2023, Vol. 52 ›› Issue (12): 149-161.DOI: 10.15933/j.cnki.1004-3268.2023.12.017

• 农业信息与工程·农产品加工 • 上一篇下一篇

基于无人机影像多源信息的冬小麦生物量与产量估算

郭燕^1,2，井宇航¹，贺佳^1,2，张会芳¹，贾德伟³，王来刚^1,2

（1.河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室，河南郑州 450002；2.河南省农作物种植监测与预警工程研究中心，河南郑州 450002；3.河南省乡村产业发展服务中心，河南郑州 450000）

收稿日期:2023-08-30 出版日期:2023-12-15 发布日期:2024-01-05
通讯作者: 王来刚（1979-），男，河南辉县人，研究员，主要从事农业遥感研究。E-mail：wlaigang@sina.com
作者简介:郭燕（1983-），女，河南驻马店人，副研究员，主要从事农业遥感与信息技术研究。E-mail：10914063@zju.edu.cn
基金资助:
国家重点研发计划项目（2022YFD2001105）；河南省重点研发与推广专项（232102111030，232102110282）；河南省农业科学院自主创新项目（2023ZC062）；河南省农业科学院农业经济与信息研究所科技创新领军人才培育计划项目（2022KJCX01）

Winter Wheat Aboveground Biomass and Yield Estimation Based on Multi‐Source Information from UAV Imagery

GUO Yan^1,2，JING Yuhang¹，HE Jia^1,2，ZHANG Huifang¹，JIA Dewei³，WANG Laigang^1,2

（1.Institute of Agricultural Information Technology，Henan Academy of Agricultural Sciences/Key Laboratory of Huang‐Huai‐Hai Smart Agricultural Technology，Ministry of Agriculture and Rural Affairs，P.R.China，Zhengzhou，450002，China；2.Henan Engineering Research Center of Crop Planting Monitoring and Warning，Zhengzhou 450002，China；3.Henan Provincial Rural Industry Development Service Center，Zhengzhou 450000，China）

Received:2023-08-30 Published:2023-12-15 Online:2024-01-05

摘要/Abstract

摘要： 冬小麦生物量是表征产量的重要指标，通过无人机遥感技术对冬小麦生物量进行快速、无损监测能够及时掌握冬小麦生长情况，对冬小麦估产具有重要意义。基于冬小麦孕穗期、开花期和灌浆期无人机数字正射影像（DOM）的光谱信息（SIs）和纹理特征（TFs），以及数字表面模型（DSM）提取的株高（H_DSM），采用多元线性回归（MLR）、偏最小二乘回归（PLSR）和随机森林（RF）方法构建了冬小麦生物量估算模型，并以此为基础进行了产量估算。结果表明，使用DOM信息进行冬小麦生物量估算时，融合SIs+TFs构建的冬小麦生物量估算模型精度优于单一光谱指数或者纹理特征构建的模型；引入H_DSM信息冬小麦生物量估算模型精度得到提高，3种方法以RF方法构建的开花期模型精度最高；融合H_DSM信息进行冬小麦生物量估算时，估算精度的提高以TFs+H_DSM最明显。冬小麦产量早期估算中，不同生育时期实测生物量与产量拟合以对数函数模型精度最高，孕穗期、开花期和灌浆期模型R2分别为0.87、0.88和0.92。耦合生物量与产量估算最优模型进行冬小麦早期估产，灌浆期估算模型精度最高，R²、RPD和RMSE分别为0.90、2.77和244.61 kg/hm²。因此，融合无人机影像DOM和DSM多源信息，集成机器学习算法，不仅可以对冬小麦生物量进行精准估算，还可以快速有效地对冬小麦产量进行早期估算，对于精准制定粮食安全政策具有重要意义。

关键词: 冬小麦, 无人机, 数字正射影像, 数字表面模型, 生物量, 产量

Abstract: Winter wheat aboveground biomass is an important indicator to characterize yield，and rapid and non‐destructive monitoring of winter wheat aboveground biomass by UAV remote sensing technology can grasp the growth of winter wheat in time，which is of great significance to the estimation of winter wheat yield. In this study，based on the spectral information and texture characteristics of UAV digital orthophoto map（DOM） and plant height（H_DSM） extracted by digital surface model（DSM） during the booting，flowering，and filling stages of winter wheat，multiple linear regression（MLR），partial least squares regression（PLSR），and random forest（RF）methods were used to construct the winter wheat aboveground biomass and yield estimation models.The results showed that when using DOM information for winter wheat aboveground biomass estimation，the models constructed by integrating SIs+TFs were better than those constructed by a single spectral index or a texture feature；the accuracy of the winter wheat aboveground biomass estimation model constructed by incorporating H_DSM information was improved，the RF model at the flowering stage had the highest accuracy；when incorporating the H_DSM information into the aboveground biomass estimation of winter wheat，the accuracy of the estimation model was most obviously improved by TFs+H_DSM.In the early estimation of winter wheat yield，the logarithmic function model had the highest accuracy in fitting the measured aboveground biomass to yield，and the R² of the models for the booting，flowering，and filling stages were 0.87，0.88，and 0.92，respectively. The optimal models for aboveground biomass and yield estimation were coupled to estimate the yield，and the highest accuracy of the estimation model was obtained at the filling stage，with R²，RPD，and RMSE of 0.90，2.77，and 244.61 kg/ha，respectively.Therefore，the integration of multi‐source information from UAV imagery and machine learning algorithms，can be used to quickly and efficiently estimate the aboveground biomass and yield of winter wheat，which is of great significance for the accurate formulation of food security policies.

Key words: Winter wheat, UAV, Digital orthophoto map（DOM）, Digital surface model（DSM）, Biomass, Yield

中图分类号:

S127

郭燕, 井宇航, 贺佳, 张会芳, 贾德伟, 王来刚. 基于无人机影像多源信息的冬小麦生物量与产量估算[J]. 河南农业科学, 2023, 52(12): 149-161.

GUO Yan, JING Yuhang, HE Jia, ZHANG Huifang, JIA Dewei, WANG Laigang. Winter Wheat Aboveground Biomass and Yield Estimation Based on Multi‐Source Information from UAV Imagery[J]. Journal of Henan Agricultural Sciences, 2023, 52(12): 149-161.

参考文献

［1］MUELLER N D，GERBER J S，JOHNSTON M，et al.Closing yield gaps through nutrient and water management［J］.Nature，2012，490（7419）：254‐257.
［2］陈先冠，冯利平，马雪晴，等.不同播期和灌水条件下冬小麦生物量变化与产量模拟［J］.农业机械学报，2021，52（10）：349‐357.
CHEN X G，FENG L P，MA X Q，et al.Biomass change and yield simulation of winter wheat under different
sowing dates and irrigation conditions［J］.Transactions of the Chinese Society for Agricultural Machinery，2021，52（10）：349‐357.
［3］周亮，慕号伟，马海姣，等.基于卷积神经网络的中国北方冬小麦遥感估产［J］.农业工程学报，2019，35（15）：119‐128.
ZHOU L，MU H W，MA H J，et al.Remote sensing estimation on yield of winter wheat in North China based on convolutional neural network［J］.Transactions of the Chinese Society of Agricultural Engineering，2019，35（15）：119‐128.
［4］张科谦，程钢，吴微，等.融合主被动遥感影像的冬小麦种植面积提取研究［J］.河南农业科学，2023，52（6）：160‐171.
ZHANG K Q，CHENG G，WU W，et al.Extraction of winter wheat planting area based on fused active and passive remote sensing images［J］.Journal of Henan Agricultural Sciences，2023，52（6）：160‐171.
［5］GUO Y，HE J，HUANG J Y，et al.Effects of the spatial resolution of UAV images on the prediction and transferability of nitrogen content model for winter wheat［J］.Drones，2022，6（10）：299.
［6］张领先，陈运强，李云霞，等.可见光光谱的冬小麦苗期地上生物量估算［J］.光谱学与光谱分析，2019，39（8）：2501‐2506.
ZHANG L X，CHEN Y Q，LI Y X，et al.Estimating above ground biomass of winter wheat at early growth stages based on visual spectral［J］.Spectroscopy and Spectral Analysis，2019，39（8）：2501‐2506.
［7］刘建刚，赵春江，杨贵军，等.无人机遥感解析田间作物表型信息研究进展［J］.农业工程学报，2016，32（24）：98‐106.
LIU J G，ZHAO C J，YANG G J，et al.Review of field‐based phenotyping by unmanned aerial vehicle remote sensing platform［J］.Transactions of the Chinese Society of Agricultural Engineering，2016，32（24）：98‐106.
［8］BENDIG J，YU K，AASEN H，et al.Combining UAV‐based plant height from crop surface models，visible，and near infrared vegetation indices for biomass monitoring in barley［J］.International Journal of Applied Earth Observation and Geoinformation，2015，39：79‐87.
［9］郭燕，井宇航，王来刚，等.基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析［J］.中国农业科学，2023，56（5）：850‐865.
GUO Y，JING Y H，WANG L G，et al.UAV multispectral image‐based nitrogen content prediction and the transferability analysis of the models in winter wheat plant［J］.Scientia Agricultura Sinica，2023，56（5）：850‐865.
［10］CHEN Z C，MIAO Y X，LU J J，et al. In‐season diagnosis of winter wheat nitrogen status in smallholder farmer fields across a village using unmanned aerial vehicle‐based remote sensing［J］.Agronomy，2019，9（10）：619.
［11］陈晓凯，李粉玲，王玉娜，等.无人机高光谱遥感估算冬小麦叶面积指数［J］.农业工程学报，2020，36（22）：40‐49.
CHEN X K，LI F L，WANG Y N，et al.Estimation of winter wheat leaf area index based on UAV hyperspectral remote sensing［J］.Transactions of the Chinese Society of Agricultural Engineering，2020，36（22）：40‐49.

［12］ZHU W X，SUN Z G，HUANG Y H，et al.Improving field‐scale wheat LAI retrieval based on UAV remote‐sensing observations and optimized VI‐LUTs［J］.Remote Sensing，2019，11（20）：2456.

［13］李天驰，冯海宽，朱贝贝，等.基于无人机高光谱和数码影像数据的冬小麦生物量反演［J］.现代农业科技，2020（20）：1‐5.
LI T C，FENG H K，ZHU B B，et al.Winter wheat biomass inversion based on UAV hyperspectral and digital image data［J］.Modern Agricultural Science and Technology，2020（20）：1‐5.
［14］GUO Y，JING Y H，HE J，et al.Estimation of the height and above‐ground biomass of winter wheat based on DOM and DSM of UAV images［C］//Proc.SPIE 12173，International Conference on Optics and Machine Vision（ICOMV 2022），2022，12173：198‐205.
［15］牛亚晓，张立元，韩文霆，等.基于无人机遥感与植被指数的冬小麦覆盖度提取方法［J］.农业机械学报，2018，49（4）：212‐221.
NIU Y X，ZHANG L Y，HAN W T，et al.Fractional vegetation cover extraction method of winter wheat based on UAV remote sensing and vegetation index［J］.Transactions of the Chinese Society forAgricultural Machinery，2018，49（4）：212‐221.
［16］周敏姑，邵国敏，张立元，等.基于无人机遥感的冬小麦叶绿素含量多光谱反演［J］.节水灌溉，2019（9）：40‐45.
ZHOU M G，SHAO G M，ZHANG L Y，et al.Multi‐spectral inversion of SPAD value of winter wheat based on unmanned aerial vehicle remote sensing［J］.Water Saving Irrigation，2019（9）：40‐45.
［17］陈鹏飞，NICOLAS Tremblay，王纪华，等.估测作物冠层生物量的新植被指数的研究［J］.光谱学与光谱分析，2010，30（2）：512‐517.
CHEN P F，NICOLAS T，WANG J H，et al.New index for crop canopy fresh biomass estimation［J］.Spectroscopy and Spectral Analysis，2010，30（2）：512‐517.
［18］王敏钰，罗毅，张正阳，等.植被物候参数遥感提取与验证方法研究进展［J］.遥感学报，2022，26（3）：431‐455.
WANG M Y，LUO Y，ZHANG Z Y，et al.Recent advances in remote sensing of vegetation phenology：Retrieval algorithm and validation strategy［J］.National Remote Sensing Bulletin，2022，26（3）：431‐455.
［19］裴浩杰，冯海宽，李长春，等.基于综合指标的冬小麦长势无人机遥感监测［J］.农业工程学报，2017，33（20）：74‐82.
PEI H J，FENG H K，LI C C，et al.Remote sensing monitoring of winter wheat growth with UAV based on comprehensive index［J］.Transactions of the Chinese Society of Agricultural Engineering，2017，33（20）：74‐82.
［20］NÄSI R，VILJANEN N，KAIVOSOJA J，et al.Estimating biomass and nitrogen amount of barley and grass using UAV and aircraft based spectral and photogrammetric 3D features［J］.Remote Sensing，2018，10（7）：1082.
［21］LIU Y N，LIU S S，LI J，et al.Estimating biomass of winter oilseed rape using vegetation indices and texture metrics derived from UAV multispectral images［J］.Computers and Electronics in Agriculture，2019，166：105026.
［22］赵晨，赵浩斌，路晓崇，等.基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法［J］.河南农业科学，2022，51（10）：161‐168.
ZHAO C，ZHAO H B，LU X C，et al.Green tobacco position identification method based on contour‐texture features and LDA［J］.Journal of Henan Agricultural Sciences，2022，51（10）：161‐168.
［23］刘畅，杨贵军，李振海，等.融合无人机光谱信息与纹理信息的冬小麦生物量估测［J］.中国农业科学,2018，51（16）：3060‐3073.
LIU C，YANG G J，LI Z H，et al.Biomass estimation in winter wheat by UAV spectral information and texture information fusion［J］.Scientia Agricultura Sinica，2018，51（16）：3060‐3073.
［24］杨福芹，冯海宽，肖天豪，等.融合无人机影像光谱与纹理特征的冬小麦氮营养指数估算［J］.农业现代化研究，2020，41（4）：718‐726.
YANG F Q，FENG H K，XIAO T H，et al.Nitrogen nutrition index estimation in winter wheat by UAVspectral information and texture feature fusion［J］.Research of Agricultural Modernization，2020，41（4）：718‐726.
［25］陶惠林，徐良骥，冯海宽，等.基于无人机数码影像的冬小麦株高和生物量估算［J］.农业工程学报，2019，35（19）：107‐116.
TAO H L，XU L J，FENG H K，et al.Estimation of plant height and biomass of winter wheat based on UAV digital image［J］.Transactions of the Chinese Society of Agricultural Engineering，2019，35（19）：107‐116.
［26］王正兴，刘闯，HUETE Alfredo.植被指数研究进展：从AVHRR-NDVI到MODIS-EV［I J］.生态学报，2003，23（5）：979‐987.
WANG Z X，LIU C，HUETE A.From AVHRR‐NDVI to MODIS‐EVI：Advances in vegetation index research［J］.Acta Ecologica Sinica，2003，23（5）：979‐987.
［27］CHEN J M.Evaluation of vegetation indices and a modified simple ratio for boreal applications［J］.Canadian Journal of Remote Sensing，1996，22（3）：229‐242.
［28］GITELSON A A，KAUFMAN Y J，MERZLYAK M N.Use of a green channel in remote sensing of global vegetation from EOS‐MODIS［J］.Remote Sensing of Environment，1996，58（3）：289‐298.
［29］RONDEAUX G，STEVEN M，BARET F.Optimization of soil‐adjusted vegetation indices［J］.Remote Sensing of Environment，1996，55（2）：95‐107.
［30］XUE L H，CAO W X，LUO W H，et al.Monitoring leaf nitrogen status in rice with canopy spectral reflectance［J］.Agronomy Journal，2004，96（1）：135‐142.
［31］LAMM R D，SLAUGHTER D C，GILES D K.Precision weed control system for cotton［J］.Transactions of the ASAE，2002，45（1）：231‐238.
［32］VERRELST J，SCHAEPMAN M E，KOETZ B，et al.Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data［J］.Remote Sensing of Environment，2008，112（5）：2341‐2353.
［33］CEN H Y，WAN L，ZHU J P，et al.Dynamic monitoring of biomass of rice under different nitrogen treatments using a lightweight UAV with dual image‐frame snapshot cameras［J］.Plant Methods，2019，15：32.
［34］ZHOU Y C，LAO C C，YANG Y L，et al.Diagnosis of winter‐wheat water stress based on UAV‐borne multispectral image texture and vegetation indices［J］.Agricultural Water Management，2021，256：107076.
［35］陶惠林，冯海宽，杨贵军，等.基于无人机成像高光谱影像的冬小麦LAI估测［J］.农业机械学报，2020，51（1）：176‐187.
TAO H L，FENG H K，YANG G J，et al.Leaf area index estimation of winter wheat based on UAV imaging hyperspectral imagery［J］.Transactions of the Chinese Society for Agricultural Machinery，2020，51（1）：176‐187.
［36］井宇航，郭燕，张会芳，等.无人机飞行高度对冬小麦植株氮积累量预测模型的影响［J］.河南农业科学，2022，51（2）：147‐158.
JING Y H，GUO Y，ZHANG H F，et al.Effects of UAV flight height on prediction model of plant nitrogen accumulation in winter wheat［J］.Journal of Henan Agricultural Sciences，2022，51（2）：147‐158.
［37］LIANG L，DI L P，HUANG T，et al.Estimation of leaf nitrogen content in wheat using new hyperspectral indices and a random forest regression algorithm［J］.Remote Sensing，2018，10（12）：1940.
［38］郭燕，程永政，黎世民，等.区域尺度冬小麦叶绿素含量的高光谱预测和空间变异研究［J］.麦类作物学报，2017，37（7）：970‐977.
GUO Y， CHENG Y Z， LI S M， et al.Hyperspectral‐based estimation and spatial variability of chlorophyll content of winter wheat in regional scale［J］.Journal of Triticeae Crops，2017，37（7）：970‐977.
［39］FERNÁNDEZ‐HABAS J，CARRIERE CAÑADA M，GARCÍA MORENO A M，et al.Estimating pasture quality of Mediterranean grasslands using hyperspectral narrow bands from field spectroscopy by random forest and PLS regressions［J］.Computers and Electronics in Agriculture，2022，192：106614.
［40］王来刚，郑国清，郭燕，等.融合多源时空数据的冬小麦产量预测模型研究［J］.农业机械学报，2022，53（1）：198‐204，458.
WANG L G，ZHENG G Q，GUO Y，et al.Prediction of winter wheat yield based on fusing multi‐source spatio‐temporal data［J］. Transactions of the Chinese Society for Agricultural Machinery，2022，53（1）：198‐204，458.
［41］程千，徐洪刚，曹引波，等.基于无人机多时相植被指数的冬小麦产量估测［J］.农业机械学报，2021，52（3）：160‐167.
CHENG Q，XU H G，CAO Y B，et al.Grain yield prediction of winter wheat using multi‐temporal UAV based on multispectral vegetation index［J］.Transactions of the Chinese Society for Agricultural Machinery，2021，52（3）：160‐167.
［42］QADER S H，DASH J，ATKINSON P M.Forecasting wheat and barley crop production in arid and semi‐arid regions using remotely sensed primary productivity and crop phenology：A case study in Iraq［J］.Science of the Total Environment，2018，613/614：250‐262.

[1]	樊一凡, 张艳艳, 王艺媚, 李俊周, 杜彦修, 孙红正, 彭廷, 赵全志, 张静. 不同播期温光条件对籼稻产量和品质的影响[J]. 河南农业科学, 2024, 53(2): 17-27.
[2]	杜雪丽, 柯璐瑶, 柳展, 代明珠, 周宇, 李剑兴, 徐玖亮. 叶面喷施镁对紫米产质量、花青素及代谢物含量的影响[J]. 河南农业科学, 2024, 53(2): 28-36.
[3]	徐春燕, 张倩, 王雅娴, 王红雨, 盛开, 王宜伦. 商品有机肥对砂质潮土理化性状、冬小麦产量及养分积累的影响[J]. 河南农业科学, 2024, 53(2): 56-64.
[4]	杨明达, 张素瑜, 李帅, 郑东方, 杨慎骄, 关小康, 王同朝. 不同播种灌溉方式对夏玉米出苗、干物质积累及转运和产量的影响[J]. 河南农业科学, 2024, 53(1): 22-31.
[5]	马仲炼, 龚健福, 马永翠, 田虹, 刘德福, 杨顺强. 外源褪黑素对苦荞生理特性、产量及品质的影响[J]. 河南农业科学, 2024, 53(1): 41-47.
[6]	孔凡丹, 周利军, 郑美玉, 张作合, 杨则已, 吴娟. 秸秆覆盖对黑土区土壤微生物量、酶活性及大豆产量的影响[J]. 河南农业科学, 2024, 53(1): 87-95.
[7]	李敏, 郭雷风, 王瑞利. 无人机遥感在马铃薯田间表型研究中的应用[J]. 河南农业科学, 2023, 52(9): 24-32.
[8]	鲁晓民, 郭书磊, 张新, 魏良明, 张前进, 曹丽茹, 刘海静, 邓亚洲, 张震, 王振华. 不同密度下玉米茎秆抗倒伏相关性状的产量构成分析[J]. 河南农业科学, 2023, 52(9): 44-55.
[9]	连延浩, 杜飞波, 薛博, 王志强, 任永哲, 林同保, 李森. 垄作结合一次性施肥对冬小麦氮素利用及经济效益的影响[J]. 河南农业科学, 2023, 52(9): 56-65.
[10]	徐丽娜, 安治良, 陈士林, 张怀胜, 进茜宁, 王平喜. 种植密度对玉米茎秆强度和穗部性状的影响[J]. 河南农业科学, 2023, 52(8): 11-17.
[11]	赵立尚, 王香生, 高楠楠, 韩鹏彬, 李杰, 任永哲, 林同保, 王志强, 连延浩. 2 种基因型小麦间作对籽粒灌浆特性及产量的影响[J]. 河南农业科学, 2023, 52(8): 18-25.
[12]	解文孝, 姜秀英, 吕军, 潘争艳, 韩勇, 王庆新, 李建国. 不同叶位功能叶片对不同穗型水稻籽粒灌浆特性及稻米品质的影响[J]. 河南农业科学, 2023, 52(8): 36-44.
[13]	张立成, 李娟, 章明清, 辜祖超. 有机肥替减化肥对赤红壤菜-稻轮作区甘蓝产量和养分利用的影响[J]. 河南农业科学, 2023, 52(8): 87-95.
[14]	豆丹丹, 孙建军, 王德新, 郭玉玺, 郭新海, 丁超明. 播期对早中稻产量和品质的影响[J]. 河南农业科学, 2023, 52(7): 12-23.
[15]	范晓庆, 赵心月, 王钰文, 张靓瑶, 袁进成, 刘颖慧, 瓮巧云. 青贮玉米和饲用油菜间作对饲草作物产量和品质的影响[J]. 河南农业科学, 2023, 52(7): 40-51.

基于无人机影像多源信息的冬小麦生物量与产量估算

Winter Wheat Aboveground Biomass and Yield Estimation Based on Multi‐Source Information from UAV Imagery

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics