摘要:為實現(xiàn)快速無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、塊莖增長期,、淀粉積累期,、成熟期的高光譜影像,實測馬鈴薯株高H,、地上生物量(AGB)和地面控制點(GCP)的三維空間坐標,,基于無人機高光譜影像結(jié)合GCP生成試驗田的數(shù)字表面模型(DSM),利用DSM提取馬鈴薯的株高Hdsm ,;然后,,對馬鈴薯AGB與原始無人機冠層光譜和高光譜指數(shù)分別進行相關(guān)性分析,篩選出最優(yōu)光譜指數(shù)和前10個光譜指數(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)和隨機森林(Random forest, RF)3種方法構(gòu)建不同生育期的估算模型,并進行對比,,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測值進行線性擬合,R 2 為0.84,;在單變量模型中,,每個生育期以ER估算AGB得到的驗證精度高于相應的建模精度,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,塊莖增長期以CIrededge指數(shù)估測精度最高(R 2 =0.45),;在多變量模型中,,每個生育期采用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,;每個生育期利用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模型進行馬鈴薯AGB填圖,5個生育期的AGB空間分布與實際生長情況一致,。利用融入Hdsm 的MLR模型可估測大面積馬鈴薯AGB,,為精準農(nóng)業(yè)定量化研究提供技術(shù)支持。