基于無(wú)人機(jī)高光譜成像技術(shù)的冬小麥SPAD遙感反演研究

隨著農(nóng)業(yè)遙感的興起，利用冠層光譜信息可以很好的監(jiān)測(cè)和診斷作物的葉片葉綠素含量。面對(duì)長(zhǎng)期定位試驗(yàn)條件下差異化土壤肥力的田塊，如何充分利用無(wú)人機(jī)高光譜遙感信息，構(gòu)建具有較強(qiáng)空間適用性的冬小麥葉片葉綠素含量遙感估算模型，是精準(zhǔn)農(nóng)業(yè)的研究熱點(diǎn)之一。

圖1 試驗(yàn)田

安徽省農(nóng)業(yè)科學(xué)院楊欣老師及其團(tuán)隊(duì)以蒙城馬店長(zhǎng)期土壤定位試驗(yàn)站內(nèi)拔節(jié)期冬小麥冠層葉片葉綠素含量（SPAD）為研究對(duì)象，利用大疆六旋翼無(wú)人機(jī)（大疆M600PRO）搭載我司高光譜成像儀（GaiaSky-mini2）獲取田間高光譜遙感影像。此外，獲取田間實(shí)測(cè)SPAD數(shù)據(jù)，分析光譜信息（400-1000nm）和實(shí)測(cè)SPAD之間的關(guān)系，結(jié)合不同土壤肥力農(nóng)田的光譜差異，提出了一種新的建模方法——聚類回歸法。根據(jù)光譜角距離（Spectral angle distance, SAD）將小麥光譜劃分為多個(gè)聚類，并對(duì)每個(gè)聚類建立小麥光譜與實(shí)測(cè)SPAD的回歸模型。這里使用K-means作為聚類方法，兩種集成學(xué)習(xí)算法，即隨機(jī)森林和極端梯度提升(XGBoost)作為回歸方法。

圖2 光譜聚類結(jié)果

結(jié)果顯示：利用無(wú)人機(jī)高光譜遙感影像結(jié)合田間實(shí)測(cè)數(shù)據(jù)，可以實(shí)現(xiàn)對(duì)冬小麥葉綠素含量由點(diǎn)到面的監(jiān)測(cè)；對(duì)于土壤肥力差異較大的長(zhǎng)期定位試驗(yàn)田，可以先采用聚類算法進(jìn)行光譜聚類分析，隨后進(jìn)行差異化建模，反演不同田塊的冬小麥葉綠素含量，其反演效果相對(duì)于直接建模有明顯提升（18.40%）；土壤有機(jī)質(zhì)和土壤全氮含量對(duì)小麥葉片葉綠素含量有所影響，土壤有機(jī)質(zhì)和全氮含量數(shù)據(jù)的加入也相應(yīng)的提高了反演模型的精度（14.23%）。

圖3非聚類-極端梯度的冬小麥葉片SPAD含量反演結(jié)果空間分布

圖4聚類-極端梯度的冬小麥葉片SPAD含量反演結(jié)果空間分布

表1 RF和XGBoost模型的精度(包括土壤養(yǎng)分)

本文采用的高光譜設(shè)備（GaiaSky-mini2）具體參數(shù)如圖5所示。

圖8 GaiaSky-mini2相機(jī)及參數(shù)
楊欣，女，安徽桐城人，理學(xué)碩士，研究實(shí)習(xí)員，第一作者簡(jiǎn)介：

主要研究方向：1、精準(zhǔn)農(nóng)業(yè)、圖像識(shí)別、高光譜圖像處理；2、農(nóng)業(yè)面源污染等。

參考文獻(xiàn)：Xin Y , Rui Y C , Yin Y , et al. Winter wheat SPAD estimation from UAV hyperspectral data using cluster-regression methods - ScienceDirect[J]. International Journal of Applied Earth Observation and Geoinformation.

Doi: https://doi.org/10.1016/j.jag.2021.102618