利用多源多时态无人机遥感数据预测甜菜糖产量及氮积累研究

为探索多源多时态无人机（UAV）遥感数据预测甜菜糖产量潜力，研究人员开展相关研究，发现多源数据协同可提效，意义重大。

　　本研究旨在探索多源多时态无人机（UAV）遥感数据在甜菜糖产量估算方面的潜力，并研究不同生长阶段不同遥感特征与氮积累之间的关系。在不同生长阶段收集了无人机高光谱图像、RGB 图像和光探测与测距（LiDAR）数据，提取了一系列能反映甜菜冠层的光谱、结构和纹理特征。利用多元线性回归（MLR）、随机森林（RF）和支持向量机（SVM）这三种机器学习算法，构建了氮积累和糖产量的预测模型。结果显示：表征甜菜冠层结构的 LiDAR 特征和纹理特征对反映氮积累至关重要，LiDAR 特征在糖产量预测中起关键作用。在预测氮积累方面，MLR 模型在叶片快速生长期表现最佳（R² = 0.70，RMSE = 0.44）。在预测糖产量方面，结合多时态数据的 MLR 模型精度最高（R² = 0.95，RMSE = 0.16），比最佳的单阶段预测结果（糖分积累期）高出 21%。与单一数据源相比，多源遥感数据的协同使用显著提高了精度，氮估算精度提高了 55%，糖产量估算精度提高了 28%。这些研究结果表明，多源遥感数据可用于甜菜氮营养诊断和糖产量预测。