论文部分内容阅读
苎麻（Boehmeria nivea L.）是我国重要的纤维作物,具有较高经济价值,中国的苎麻产量约占世界总产量的90%以上,苎麻被誉为“中国草”。苎麻是多年生宿根性草本韧皮纤维作物,其宿根年限为10～30年,多至百年以上,因此,有效预估苎麻原麻产量及其相关农艺性状,对于我国苎麻育种及品种改良、栽培管理及规模化生产,实现苎麻高产稳产目标和麻纺企业原料的稳定供给具有十分重要的理论与实际指导意义。目前苎麻产量预估研究方法较少,多限于农学产量法和多元线性回归模型等简单方法,预估效果欠佳,且多为短期产量预估,迫切需要探寻多年生苎麻原麻产量的预估新方法,并构建快速、准确和大尺度的苎麻产量预估模型。本文以湖南农业大学国家苎麻长期定位试验为基础,研究了2010～2018年定位试验下3个代表性苎麻品种产量与产量构成因子的变化趋势和相关性,构建了基于株高、茎粗、分株数、有效株率和鲜皮厚度等的产量预估模型,并分别采用多元回归、反馈算法BP（Back Propagation）神经网络、差分自回归移动平均ARIMA（Autoregressive Integrated Moving Average）和无人机低空遥感估测产量等多种方法构建了苎麻原麻产量预估模型,并进行精度检验与验证,主要研究结果如下:1、2010～2018年定位试验下,3个苎麻品种的产量和产量构成因子变化趋势各异。3个品种的茎粗、有效株率、鲜皮出麻率变动幅度不大,变异系数CV（Coefficient of Variation）均小于10%,株高、分株数的变异幅度较大,CV均超过10%。中苎1号鲜皮产量有下降趋势,原麻产量则基本趋于稳定;多倍体1号鲜皮、原麻产量均呈下降趋势;湘苎3号鲜皮、原麻产量则均呈上升趋势。此外,3个苎麻品种的株高、分株数、有效株率、鲜皮厚度均与原麻和鲜皮产量呈极显著正相关,其中,株高、分株数与鲜皮产量的相关系数最大。2、通过多元回归分析方法和BP神经网络方法,以2010～2018年苎麻产量和株高、茎粗、分株数、有效株率和鲜皮厚度各108组数据为变量分别构建产量预测模型,结果表明BP神经网络产量模型的预测效果优于多元回归模型,但苎麻品种间产量模型的预测效果存在差异。（1）多元回归模型中:中苎1号、多倍体1号和湘苎3号的鲜皮产量最大相对误差分别为46.60%、27.35%和30.62%,平均相对误差分别为15.03%、16.06%和11.61%;原麻产量的最大相对误差分别为39.69%、48.60%和35.84%,平均相对误差分别为14.52%、17.03%和12.25%。（2）BP神经网络模型中,中苎1号、多倍体1号和湘苎3号鲜皮产量的最大相对误差分别为17.23%、18.11%和14.79%,平均相对误差分别为5.78%、5.71%和5.51%;原麻产量最大相对误差分别为11.54%、34.12%和9.82%,平均相对误差分别为4.88%、8.81%和3.96%。预测效果湘苎3号最佳,其次为中苎1号和多倍体1号。3、以2010～2018年共9年,3个苎麻品种,共27组原麻产量数据样本时间序列构建ARIMA产量预测模型,并对2019年3季原麻产量进行预测和精度验证,结果显示:（1）中苎1号、多倍体1号和湘苎3号ARIMA原麻产量预测模型的拟合系数（R2）分别为:0.63、0.70、0.54;各模型预测的原麻产量最大相对误差分别为13.10%、18.02%和29.29%,平均相对误差分别为10.76%、10.13%和20.01%,除湘苎3号外整体的预测效果较好。（2）ARIMA模型对苎麻品种内各重复小区的预测效果存在较大差异,整体来看:多倍体1号各小区的预测效果相对最佳,中苎1号与湘苎3号的相对较差。4、基于无人机-RGB系统获取定位点试验小区内3个苎麻品种共4季数码影像,利用Pix4D mapper生成苎麻冠层数字表面模型DSM（Digital Surface Models）与高清数码正射图像;采用“差分法”提取目标小区苎麻株高;基于RGB和方向梯度直方图HOG（Histogram of Oriented Gridients）多特征模型,利用支持向量机SVM（Support Vector Machine）分类算法获取定位点小区内苎麻有效株数;将遥感获取的株高和有效株数结合实测原麻数据构建回归估产模型,结果显示:（1）提取株高与实测株高的拟合值较高（R2=0.87）,平均绝对误差为0.09 m,平均相对误差为3.89%;（2）反演株数与实测值拟合系数R2为0.83,绝对误差在11～71株之间,平均相对误差为11.44%。（3）中苎1号、多倍体1号和湘苎3号模型的最大相对误差分别为15.38%、18.71%和22.19%,平均相对误差分别为11.67%、10.07%和8.75%,无人机遥感产量估测模型的整体估测效果相对较好,以湘苎3号效果最佳,可以尝试对大田苎麻产量进行估测。综上分析,基于多元回归、BP神经网络、ARIMA时间序列和无人机遥感等方法构建的苎麻原麻产量预估模型中,以BP神经网络和无人机遥感产量模型预估效果相对最佳,尤其是无人机-RGB利用苗期和成熟期影像获取苎麻的株高和株数,可以有效估测目标区域的原麻产量,为苎麻大田原麻产量的无损、快捷估测提供了经验借鉴。