近地表成像高光譜評(píng)估不同空間分辨率對(duì)葉片氮含量估算的影響

定量監(jiān)測(cè)植物氮素狀況已成為國(guó)內(nèi)外植被遙感的一個(gè)重要研究領(lǐng)域。利用快速、無(wú)損、準(zhǔn)確的方法來(lái)估測(cè)作物氮素營(yíng)養(yǎng)狀況是精確農(nóng)業(yè)發(fā)展的關(guān)鍵技術(shù)之一。本研究的目的是以水稻為對(duì)象，基于不同年份、不同氮素水平、不同種植密度和不同品種類型的田間試驗(yàn)，運(yùn)用成像高光譜儀Specim V10E獲取水稻近地面的高光譜影像，利用決策樹(shù)分類法，分出未去背景水稻、去背景水稻、光照水稻和陰影水稻四種目標(biāo)成分。

為了評(píng)估不同空間分辨率對(duì)水稻LNC預(yù)測(cè)精度的影響，本研究在南京農(nóng)業(yè)大學(xué)如皋實(shí)驗(yàn)基地進(jìn)行了為期2年的水稻實(shí)驗(yàn)，并采集了水稻各個(gè)生育期的高光譜影像數(shù)據(jù)，同時(shí)生成10組空間分辨率在1.3nm、14nm、28nm、56nm、113 nm、225nm和445nm的圖像。利用這些圖像，可通過(guò)三組植被指數(shù)（VI）和兩種多變量方法——高斯過(guò)程回歸（GPR）和偏最小二乘回歸（PLSR）來(lái)確定不同空間分辨率對(duì)LNC預(yù)測(cè)的影響。利用在每個(gè)空間分辨率下與背景像素分離的光照、陰影和全葉葉片像素的反射光譜來(lái)分別預(yù)測(cè)具有VI、GPR和PLSR的LNC。

圖1  南京農(nóng)業(yè)大學(xué)如皋基地試驗(yàn)田及影像采集設(shè)備（雙利合譜制造）

圖2  不同處理不同生育期水稻高光譜影像（RGB真彩色合成）

圖3  不同生育期去背景水稻和未去背景水稻的光譜反射率

圖 4  空間分辨率在1.3mm、14mm、28mm、56mm、113 mm和225nm的圖像

圖 5  去背景水稻和未去背景水稻不同生育期不同植被指數(shù)與LNC的相關(guān)性分析

圖 6  去背景水稻、光照水稻和陰影水稻不同生育期在不同空間分辨率下其植被指數(shù)與LNC的相關(guān)性分析

圖 7  去背景水稻、光照水稻和陰影水稻在不同空間分辨率下基于光譜反射率及連續(xù)統(tǒng)去除的GPR和PLSR與LNC的相關(guān)性分析

結(jié)果表明，無(wú)論估計(jì)方法如何，全葉片像素通常表現(xiàn)出比光照和陰影葉片像素更穩(wěn)定的性能。大多數(shù)VI在早期分蘗階段的所有分辨率均小于14 mm，但其他階段的分辨率均小于56 mm。相比之下，采用GPR或PLSR方法成功建立了整個(gè)生長(zhǎng)季節(jié)預(yù)測(cè)LNC的全球模型，其中具有最佳預(yù)測(cè)結(jié)果的是GPR，最佳空間分辨率為28 mm。

全文鏈接下載：

https://www.frontiersin.org/articles/10.3389/fpls.2018.00964/full