利用无人机高光谱技术监测马铃薯生长情况的研究

我们使用了广东赛斯拜克有限公司的产品SF500-无人机高光谱，该产品采用了400-1000nm的高光谱相机，用于相关研究。SF500-无人机高光谱测量系统采用高信噪比超高速CCD成像器件，提供了稳定性高的光谱图像采集；同时，还应用了自家研发的高效率低功耗图像处理算法，大大延长了无人机的飞行时间并降低了系统的功耗。

马铃薯在我国是主要农作物之一，对于国家的粮食安全来说，监测其生长情况和预测产量至关重要。因此，快速、无损且高精度的马铃薯定量监测具有重要意义。地上生物量和株高是农学领域的关键参数，与作物的光合作用密切相关，通常用于评估作物的生长状况、估计作物产量以及评价田间管理的效果。近年来，借助遥感技术可以高效实时地监测作物。然而，利用卫星和航空遥感技术虽然可以获取作物表现参数的大范围数据，但由于天气因素的影响，限制了它在精准农业中的推广应用。

随着无人机遥感技术的不断发展，现代农业已经实现了定量化。由于无人机所搭载的数码相机和多光谱相机的波段数量较少，导致无法获取到充足的作物冠层光谱信息，从而阻碍了对于作物表型参数进行多波段研究的进展。相比之下，高光谱遥感则具备较高的光谱分辨率，能够获得大量的光谱信息，进而更加精准地提取与作物长势有关的光谱波段。

因此，使用无人机高光谱技术可以更有效地监测农作物的生长状况。国内外的许多学者已经对高光谱技术进行了大量研究，他们利用了无人机高光谱数据，并根据叶面积指数、叶片叶绿素含量、植物氮含量、植物水分含量等指标，以均等的权重构建了这些指标的综合指标。通过利用多种光谱指数，并采用偏最小二乘回归方法，构建出了综合指标模型。研究结果显示，综合指标与光谱指数之间的相关性更高，并且能够得到更好的反演效果。

结果表明：

（1）通过使用DSM提取的方法，我们发现H值与实测株高之间有很强的相关性（R2=0.84），这说明HQ的精确度较高。

数绝对值最高的参数为NDVI（r=0.803）。这表明不同的生育期对应着不同的光谱指数，其与地上生物量的相关性也存在差异。在蕾期，最优指数为Rga，其与地上生物量的相关系数为0.679；而在块茎形成期，最优指数为PSRI，与地上生物量的相关系数为0.727；而在块茎增长期，最优指数为NDVI，与地上生物量的相关系数为0.803。这说明在不同生育期选择适当的光谱参数可以更准确地估算地上生物量。

在绝对值最高的情况下，CIrededge和NDVIcanste（r=0.747）被认为是主要的。与淀粉积累期相关系数绝对值最大的是R-46和SPVI（r=0.756）。而在成熟期，最优的光谱指数为RSso（r=0.405）。

（3）使用株高和最优光谱指数作为变量，通过ER方法估计马铃薯地上生物量。综合考虑5个生育期的结果，各个生育期得到的模型效果优劣次序依次为最优光谱参数、Ha、H。在块茎增长期，使用CIrededge参数估计地上生物量的精确度最高。ER建模集和验证集的R2分别为0.45和0.48，RMSE分别为229.01kg/hm2和218.76kg/hm2，NRMSE分别为19.19%和17.89%。

（4）为了估算马铃薯的地上生物量，我们对每个生育期采用了MLR、PLSR和RF三种建模方法进行建模。通过比较，我们发现基于VIs+H作为输入变量构建的估算模型效果最好。在每个生育期中，这些方法对于同种变量在块茎增长期的表现最好，其次是块茎形成期和淀粉积累期，而现蕾期和成熟期的表现最差。