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)測和診斷作物的葉片葉綠素含量。面對長期定位試驗條件下差異化土壤肥力的田塊,如何充分利用無人機高光譜遙感信息,構建具有較強空間適用性的冬小麥葉片葉綠素含量遙感估算模型,是精準農(nóng)業(yè)的研究熱點之一。
圖1 試驗田
安徽省農(nóng)業(yè)科學院楊欣老師及其團隊以蒙城馬店長期土壤定位試驗站內(nèi)拔節(jié)期冬小麥冠層葉片葉綠素含量(SPAD)為研究對象,利用大疆六旋翼無人機(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,獲取田間實測SPAD數(shù)據(jù),分析光譜信息(400-1000nm)和實測SPAD之間的關系,結合不同土壤肥力農(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聚類,并對每個聚類建立小麥光譜與實測SPAD的回歸模型。這里使用K-means作為聚類方法,兩種集成學習算法,即隨機森林和極端梯度提升(XGBoost)作為回歸方法。
圖2 光譜聚類結果
結果顯示:利用無人機高光譜遙感影像結合田間實測數(shù)據(jù),可以實現(xiàn)對冬小麥葉綠素含量由點到面的監(jiān)測;對于土壤肥力差異較大的長期定位試驗田,可以先采用聚類算法進行光譜聚類分析,隨后進行差異化建模,反演不同田塊的冬小麥葉綠素含量,其反演效果相對于直接建模有明顯提升(18.40%);土壤有機質和土壤全氮含量對小麥葉片葉綠素含量有所影響,土壤有機質和全氮含量數(shù)據(jù)的加入也相應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含量反演結果空間分布
表1 RF和XGBoost模型的精度(包括土壤養(yǎng)分)
Model evaluated |
R2 |
RMSE |
MAPE |
RF (spectral only) |
0.734 |
2.12 |
4.08% |
XGBoost (spectral only) |
0.752 |
2.30 |
4.02% |
RF (spectral + OM, TN) |
0.807 |
2.03 |
3.89% |
XGBoost (spectral + OM, TN) |
0.859 |
1.80 |
3.48% |
本文采用的高光譜設備(GaiaSky-mini2)具體參數(shù)如圖5所示。
圖8 GaiaSky-mini2相機及參數(shù)
楊欣,女,安徽桐城人,理學碩士,研究實習員,第一作者簡介:
主要研究方向:1、精準農(nóng)業(yè)、圖像識別、高光譜圖像處理;2、農(nóng)業(yè)面源污染等。
參考文獻: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
地址:無錫市梁溪區(qū)南湖大道飛宏路58-1-108
電話:13810664973
郵箱:info@dualix.com.cn
地址:北京市海淀區(qū)中關村大街19號
電話:13810664973
郵箱:info@dualix.com.cn
地址:陜西省西安市高新區(qū)科技一路40號盛方科技園B座三層東區(qū)
電話:13810664973
郵箱:info@dualix.com.cn
地址:成都市青羊區(qū)順城大街206號四川國際大廈七樓G座
電話:13810664973
郵箱:info@dualix.com.cn