摘要
本发明公开了基于多模态数据和物候信息的小麦生物量监测方法及系统,涉及小麦生物量监测技术领域,包括采集田间无人机多光谱影像,提取小麦冠层的植被指数、纹理特征和形态特征,并结合小麦发育物候信息构建用于生物量预测数据集;基于不同生育阶段小麦生物量田间取样数据,使用堆叠集成算法将随机森林、Lasso回归和K‑近邻进行集成,构建小麦生物量预测模型。本发明能够显著提高不同生育阶段小麦地上生物量预测的准确性和鲁棒性,将小麦物候特征与无人机获取的光谱、纹理和结构特征融合,并使用多种机器学习算法集成充分利用了无人机多模态数据特征,增强了小麦地上生物量预测的精度和稳健性。
技术关键词
生物量监测方法
多模态
构建小麦
机器学习算法
集成算法
实时监测数据
机器学习方法
纹理特征
随机森林
无人机多光谱影像
参数
数字表面模型
阶段
指数
数字高程模型
灰度共生矩阵
气象
系统为您推荐了相关专利信息
调控策略
负荷调节方法
机器学习算法
周期性开关
数据
语义向量
图像搜索方法
数据
图像搜索装置
多模态
人脸图像特征
视频帧
人脸图像序列
识别模型训练方法
多尺度特征提取
二维图像特征
神经网络模型
序列特征
分子
性质预测方法