2022年8月31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The Crop Journal（中科院一区Top期刊）发表了题为“Estimation of transpiration coefficient and aboveground biomass in maize using time-series UAV multispectral imagery”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。
快速准确地估计作物蒸腾系数（CTc）和地上生物量（AGB）并获取其空间变化情况对促进农田精准灌溉管理的发展具有重要意义。本研究基于时间序列无人机多光谱遥感影像，采用多元线性回归、支持向量回归、随机森林回归和自适应增强回归四种机器学习算法，建立新的CTc估算模型，并评估CTc估算模型在不同灌溉量处理下的适用性。基于最优的CTc估算模型，采用指数回归、逻辑回归、sigmoid回归和线性回归方法，建立不同灌溉量处理下玉米AGB估算模型。结果表明，基于无人机多光谱植被指数的CTc随机森林回归模型精度最好（R2 = 0.91，RMSE = 0.0526和nRMSE = 9.07%），其中植被指数NDREI和TCARI对CTc随机森林回归估算模型有重要贡献；在2018和2019年，采用非线性方法进行大田玉米AGB估计的精度高于使用线性方法估计的精度，其中生物量的指数回归模型精度最高（R2 = 0.76，RMSE = 282.8 g m-2和nRMSE = 39.24%）。本研究结果说明使用CTc随机森林估算值估计不同灌溉量处理下AGB的性能表现良好，为高空间精度的农田灌溉管理提供了技术支持。
图1大田玉米生物量估算值与实测值的关系
图2成熟期大田玉米生物量的空间分布图
原文链接：https://doi.org/10.1016/j.cj.2022.08.001