邵国敏（第一作者）韩文霆（通讯作者），《Agricultural Water Management》中科院一区Top期刊IF=6.611

　　 　　

2022年11月29日，西北农林科技大学机电学院韩文霆研究员在农林科学类期刊Agricultural Water Management（中科院一区Top期刊）发表了题为“Prediction of maize crop coefficient from UAV multisensor remote sensing using machine learning methods”的研究论文。机电学院邵国敏为第一作者，韩文霆研究员为通讯作者，西北农林科技大学机电学院为第一单位。

快速、精确地获取高时空分辨率的作物耗水量分布图对于农田变量灌溉管理具有重要意义。本研究利用无人机遥感和机器学习技术，建立了西北半干旱地区灌溉玉米作物系数（K_c）估算模型。使用FAO56手册中给出的计算流程，并结合田间实测数据计算得出K_c值。利用无人机多光谱、RGB和热红外图像分别获得多光谱植被指数、覆盖度、温度指数和纹理信息。基于这些遥感变量及其组合，采用3种传统回归算法（线性回归、多项式回归、指数回归）和3种机器学习算法（随机森林回归-RFR、支持向量回归-SVR和深度神经网络-DNN）建立K_c预测模型。其中精度最高的RFR模型（R² = 0.69, RMSE = 0.1019）被推荐用于估算玉米K_c，在K_c-RFR模型中，含有近红外波段的多光谱植被指数和基于热红外遥感的温度指数和纹理信息具有较大的贡献。此外，玉米K_c-RFR模型对于不同生长阶段的累积蒸散发（R² = 0.89, RMSE = 15.0 mm/期）和根系日土壤含水量（R² = 0.85, RMSE = 0.0089 m³/m³）也具有较高的预测精度。这些结果表明，无人机遥感和机器学习的结合提供了一个很有潜力的模型，为农民在缺水或干旱条件下进行精准灌溉决策提供了技术支持。

                                                                     (a) 68 DAP in 2018                                         (b) 110 DAP in 2018

                                                                  (c) 67 DAP in 2019                                         (d) 111 DAP in 2019

图1大田玉米作物系数的时空分布图

原文链接：https://authors.elsevier.com/sd/article/S0378-3774(22)00611-4