[發明專利]一種基于機器學習算法的多植被指數的水稻產量估測方法

在審

• 申請號: 201911311109.6
• 申請日: 2019-12-18
• 公開（公告）號: CN111241912A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 查海涅;苗宇新;查沛;夏紹偉
• 申請（專利權）人: 安徽易剛信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q10/04;G06Q50/02;G06N20/10;G06N20/20
• 代理公司: 北京國謙專利代理事務所(普通合伙) 11752
• 代理人: 彭淋

1.一種基于機器學習算法的多植被指數的水稻產量估測方法，以寒地水稻主要種植區—黑龍江省建三江七星農場典型規模化農田田塊為對象，通過設置不同氮素水平的田塊尺度試驗，結合無人機遙感技術獲取寒地2017年、2018年水稻拔節期(SE)和抽穗期(HD)的光譜數據，構建了基于這兩個時期多植被指數與寒地水稻實測產量的回歸模型，并結合作物實測產量進行模型評價，包括以下步驟：

①研究區域的實驗設置：我國東北地區黑龍江省農墾總局佳木斯市建三江分局管理局七星農場(47.01°N～47.29°N，132.31°E～134.14°E)，主要氣候類型屬于寒溫帶大陸性季風氣候，全年平均日照時數2300-2600h，無霜期110-135天，全年降水量500～600mm，72％集中在6月至9月，于在2017年和2018年，開展了不同氮水平、品種(龍粳21、龍粳31)、密度(27穴/m²、33穴/m²)的小區試驗，并設置3個重復，每個處理小區田塊面積為7×9m²，當地水稻通常4月中旬左右在溫室大棚內進行育秧，移栽時間為5月中旬，收獲時間為9月下旬，氮肥分別在移栽期、分蘗期和拔節期施入，其中基肥：蘗肥：穗肥為4：3：3，所有處理磷肥和鉀肥的施用量相同，在水稻移栽前全部施入磷肥50kg P₂O₅ ha^-1。鉀肥施用量為105kg K₂O ha^-1，分別在水稻移栽前和拔節期各施入50％。

②遙感數據采集：使用無人機同步搭載多光譜相機，相機包括綠光(中心波長G 550nm，波段寬度40nm)、紅光(R 660nm，40nm)、紅邊(RE 735nm，10nm)、近紅外(NIR 790nm，40nm)四個波段，另外還配有RGB傳感器，相機多光譜傳感器鏡頭焦距為3.98nm，圖像像素大小為1280×960，另外，該相機還同時搭配有光照傳感器和標定白板，起飛前先采集白板圖像進行輻射定標，每次拍攝時獲取輻射照度信息，便于后期處理時數據的輻射矯正，航測時間選擇在正午10:00—14:00左右，要求測量時晴朗無風少云；數據采集時，采用飛行控制軟件來規劃航線和設置飛行參數，飛行結束后，導出帶有高精度位置信息的圖像數據，并復制到拼接軟件中進行自動拼接，獲取能夠覆蓋整個實驗區域，并且經過輻射矯正的光譜反射率圖像文件，再利用高精度GPS測定的已知點坐標數據進行正射矯正，讓圖像數據顯示相對正確的坐標位置信息。

③產量數據采集：在水稻成熟期，選取各處長勢均勻的1平方米樣方3個，割下樣方內全部水稻植株，風干并脫粒，再運用風選除去雜質及空癟粒，稱重后獲得實收每平米產量，同時，運用快速水分測定儀測定谷粒樣品含水量，將產量折算為14％的含水量狀態下的標準產量。

產量計算公式：產量采用單位t/ha，產量(t/ha)＝實收平米產量(g)*(1-實際含水量)/(1-標準含水量0.14)*0.01。

④基于機器學習算法的多植被指數組合估產模型的構建與驗證：通過多次測試，選用了在估測產量上表現較好的十種植被指數，即NDVI、RVI、DVI、SAVI、GOSAVI、GNDVI、GRVI、OSAVI、NREI、MNDI、NDRE、WDRVI。

將2017年和2018年兩年試驗數據隨機劃分，其中70％數據集用做模型構建，30％數據集用做模型驗證，構建不同時期、不同植被指數與水稻產量間的回歸模型，建模采用機器學習方法。

選用隨機森林(RF)和支持向量機(SVM)兩種現在非常流行的機器學習算法進行建模分析，這兩種算法能夠很好地解決小樣本數據的分類和預測問題，采用十次交叉驗證，并通過網絡搜索給RF和SVM尋找最優的參數。

分別將拔節期、抽穗期期水稻的實測產量作為因變量，將所有的植被指數作為自變量，使用隨機森林算法回歸算法構建產量的遙感反演模型；再利用支持向量機構建與產量的遙感反演模型，選用決定系數(R2)、均方根誤差(RMSE)和相對誤差(RE)三個指標對構建的模型效果進行評價和驗證，R2越接近1，且RMSE和RE越接近0，說明模型效果越好，其中RE小于10％表明模型表現優秀；在20～30％之間表明模型表現一般；大于30％則表明較差。具體公式如式(1)、式(2)和式(3)所示。

其中，Y_i為第i個樣本點的作物產量的實際測量值(t/hm²)；E_i為根據模型算出的第i個樣本點的作物產量估算值(t/hm²)；為實際測量的平均產量(t/hm²)；為模型估產的平均產量(t/hm²)。