Smart Agricultural Technology·10月19日 · 周一论文农业遥感与作物表型阅读 0
多源无人机遥感特征融合的冬小麦地上部生物量估算及生育期效应
论文解读
75精选
速览
融合多源无人机遥感特征与衍生特征，用随机森林估算冬小麦地上部生物量。
方法
融合植被指数、纹理、激光雷达结构及衍生特征，比较多种机器学习算法。
发现
随机森林精度最高（R²=0.923），纹理特征信息量最大，拔节期精度峰值R²=0.632。
机会点
模型偏回溯性估算，可探索早期预测与跨气候区、品种、传感器的迁移泛化。
影响力18
信息增量22
专业深度18
信源权威14
时效性3
方法扎实、精度数据明确，属细分领域实质进展，但发表已逾一周且偏回溯性研究，时效与公共影响有限。
原文摘要
原文标题：Integration of multi-source UAV remote sensing features and derived features for winter wheat aboveground biomass estimation（Smart Agricultural Technology, Vol. 15, Article 102656）。研究融合植被指数、纹理特征、激光雷达结构变量与衍生特征，比较随机森林等多种机器学习算法在冬小麦地上部生物量估算上的表现。随机森林模型取得决定系数0.923、误差最低每公顷1.731兆克的精度，拔节期阶段模型精度峰值为决定系数0.632；纹理特征被识别为信息量最高的单一特征源，植被覆盖度与生长速率等衍生特征提供关键补充。研究同时指出该模型更接近回溯性生物量估算而非早期预测系统，验证仍需跨气候区、品种与传感器展开。