摘要:為實(shí)現(xiàn)快速無(wú)損獲取馬鈴薯株高和地上生物量信息,,分別獲取馬鈴薯現(xiàn)蕾期、塊莖形成期,、塊莖增長(zhǎng)期,、淀粉積累期、成熟期的高光譜影像,,實(shí)測(cè)馬鈴薯株高H,、地上生物量(AGB)和地面控制點(diǎn)(GCP)的三維空間坐標(biāo),基于無(wú)人機(jī)高光譜影像結(jié)合GCP生成試驗(yàn)田的數(shù)字表面模型(DSM),,利用DSM提取馬鈴薯的株高Hdsm ,;然后,對(duì)馬鈴薯AGB與原始無(wú)人機(jī)冠層光譜和高光譜指數(shù)分別進(jìn)行相關(guān)性分析,,篩選出最優(yōu)光譜指數(shù)和前10個(gè)光譜指數(shù),,利用指數(shù)回歸(Exponential regression,ER)構(gòu)建單變量模型,;最后,,采用多元線性回歸(Multiple linear regression, MLR)、偏最小二乘回歸(Partial least square regression, PLSR)和隨機(jī)森林(Random forest, RF)3種方法構(gòu)建不同生育期的估算模型,,并進(jìn)行對(duì)比,,挑選出馬鈴薯AGB估算的最優(yōu)模型。結(jié)果表明:將提取的馬鈴薯株高與實(shí)測(cè)值進(jìn)行線性擬合,R 2 為0.84,;在單變量模型中,,每個(gè)生育期以ER估算AGB得到的驗(yàn)證精度高于相應(yīng)的建模精度,其中構(gòu)建模型效果優(yōu)劣次序依次為最優(yōu)光譜指數(shù),、Hdsm ,、H,塊莖增長(zhǎng)期以CIrededge指數(shù)估測(cè)精度最高(R 2 =0.45),;在多變量模型中,,每個(gè)生育期采用3種方法構(gòu)建AGB估算模型,每種方法以光譜指數(shù)加入Hdsm 的模型精度更高,、穩(wěn)定性更強(qiáng),;每個(gè)生育期利用MLR以光譜指數(shù)和Hdsm 為變量的AGB模型(R 2 為0.64、0.70,、0.79,、0.68、0.63)效果優(yōu)于PLSR(R 2 為0.62,、0.68,、0.75、0.67,、0.60)和RF(R 2 為0.56,、0.61、0.67,、0.63,、0.53)模型。利用MLR模型進(jìn)行馬鈴薯AGB填圖,,5個(gè)生育期的AGB空間分布與實(shí)際生長(zhǎng)情況一致,。利用融入Hdsm 的MLR模型可估測(cè)大面積馬鈴薯AGB,為精準(zhǔn)農(nóng)業(yè)定量化研究提供技術(shù)支持,。