南方农业学报

作者：舒田, 郭松, 许元红, 陈智虎, 赵泽英,

关键词：火龙果, 高光谱遥感, 反演模型, 融合信息, 机器学习,

【目的】探究基于高光谱融合信息的火龙果遥感估产方法，为地方政府优化农业产业结构、指导农业生产及推动水果产业高质量发展提供技术支撑。【方法】以盛果期单株火龙果为试验对象，融合成像与非成像高光谱信息，采用连续投影算法（SPA）筛选对产量敏感的波段作为自变量，以地面实测单株产量为响应变量。按2∶1的比例将126个采样点划分为建模集（84个）与验证集（42个），分别构建基于多元线性回归（MLR）、偏最小二乘回归（PLSR）、支持向量回归（SVR）及狮群优化算法支持向量回归（LSOA-SVR）的产量反演模型，评估单传感器及多传感器融合模型的估算精度。【结果】火龙果植株冠层成像与非成像高光谱反射率特征曲线基本一致，可见光区域反射率较低，近红外区域反射率较高；可见光区域中，绿光波段呈现反射峰，红光波段和蓝光波段则为吸收谷；冠层非成像高光谱近红外区域反射率与单株产量呈负相关，产量较低的单株光谱反射率较高；冠层成像和非成像高光谱反射率分别为44.6%和63.5%。果实成像与非成像高光谱反射率与火龙果单株产量的极显著相关（P<0.01）波段主要集中在398~704 nm。基于单一传感器数据构建的各类火龙果产量反演模型，MLR模型精度最低，PLSR模型次之，SVR模型最优。基于多传感器融合数据构建的4种模型，SVR模型精度优于MLR和PLSR模型，经狮群优化后的LSOA-SVR模型进一步提升了预测性能。【结论】通过融合成像与非成像高光谱信息，多源数据协同可明显提升盛果期火龙果产量遥感反演精度。基于单一传感器数据构建的产量反演模型中，非线性模型SVR优于线性模型PLSR和MLR。将LSOA应用于SVR模型参数寻优，构建的LSOA-SVR模型能有效提升火龙果单株产量遥感反演模型的预测精度。

来源：2026年第2期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2026年第2期