论文部分内容阅读
冬油菜是我国油菜的主要种植类型,种植面积和油菜籽产量均占全国油菜的90%以上。过量施用氮肥以提高产量的现象在冬油菜种植过程中十分常见,因此快速、精确、无损地估测冬油菜氮养分状况,为后续精准施肥提供有效数据支撑极其重要。无人机灵活、可操作性强,是目前十分热门的遥感数据获取平台。然而,基于无人机多光谱影像从冠层尺度对冬油菜氮养分状况进行估测的研究还比较有限。本研究于2018-2022年在湖北省武汉市、武穴市和沙洋县开展了8次冬油菜氮梯度大田试验。试验期间通过实地采样测定油菜叶片生理生化参数值,同时获取了近地高光谱数据和无人机多光谱影像数据。针对油菜叶片氮养分状况的两个定量化指标:叶片氮含量(Leaf Nitrogen Content,LNCarea,g/m~2)和叶片氮浓度(Leaf Nitrogen Concentration,LNCmass,%),利用油菜冠层光谱特征结合光辐射传输模型和机器学习模型,构建了LNCarea和LNCmass的估测模型。对于LNCarea,利用全新版本的PROSAIL-PRO模型模拟得到的光谱和随机森林（Random Forest,RF）,从LNCarea和叶绿素含量（Cab）的相关性以及LNCarea和蛋白质含量（Prot）的相关性两个角度分别建立了LNCarea估测半经验模型,并将模型应用至无人机多光谱影像。对于LNCmass,利用深度学习模型直接从无人机多光谱影像中挖掘深层次特征,搭建了估测LNCmass的经验模型。具体结论如下:（1）本研究分别建立了冬油菜八叶期、越冬期和蕾薹期Cab与LNCarea间的相关关系,利用光辐射传输模型PROSAIL-PRO和RF回归构建了Cab反演半经验模型,通过Cab和LNCarea的相关性实现LNCarea的估测。结果表明,越冬期和蕾薹期Cab与LNCarea相关性最强,R~2分别为0.94和0.93,显著高于八叶期二者间的相关性（R~2=0.60）。基于PROSAIL-PRO模拟数据构建的半经验模型能够准确反演Cab（R~2=0.91,RMSE=4.46μg/cm~2）。受到Cab与LNCarea相关关系的影响,越冬期和蕾薹期的LNCarea估测精度仍然高于八叶期。越冬期实现了最高的R~2值0.84,蕾薹期实现了最低的RMSE值0.29 g/m~2。将上述模型推广应用至无人机多光谱影像,Cab反演结果与真实值对比的R~2为0.82,RMSE低至6.03μg/cm~2。计算得到越冬期（R~2=0.76,RMSE=0.62 g/m~2）和蕾薹期（R~2=0.58,RMSE=0.30 g/m~2）的LNCarea估测效果也优于八叶期（R~2=0.45,RMSE=0.40 g/m~2）,表明越冬期和蕾薹期可能更适合于利用Cab半经验反演模型实现LNCarea估测。（2）利用PROSAIL-PRO模拟的光谱数据和RF回归模型构建了Prot反演半经验模型,再利用Prot与LNCarea之间4.43倍的对应关系,计算得到LNCarea。结果表明,基于PROSAIL-PRO模拟数据构建的半经验模型实现了较好的Prot反演效果,R~2为0.89,RMSE低至1.38 g/m~2。由于Prot与LNCarea间的相关关系比较直接,受到的影响因素较少,因此LNCarea的估测精度也较高（R~2=0.89,RMSE=0.31g/m~2）。与基于Cab估测LNCarea相比,R~2提高了17.11%,实现了显著提升,且二者的RMSE值几乎相等,表明利用光辐射传输模型直接反演Prot从而计算LNCarea比通过反演Cab再利用Cab和LNCarea的相关性估测LNCarea的精度更高。（3）基于无人机多光谱影像,利用卷积神经网络VGG16（Visual Geometry Group 16）和卷积自编码器（Convolutional Autoencoder,CAE）结合RF分类模型,分别构建了4种分类模型:VGG16、VGG16+RF、CAE+RF以及RF（作为对比）,对油菜氮养分亏缺状况进行分级诊断。结果表明,利用CAE提取特征,RF分类实现了最高的分类总精度67.38%和最高的Kappa系数0.45。（4）利用CAE在分级诊断中提取的影像特征构建了RF模型（CAE+RF）估测LNCmass,并与VGG16、以及以植被指数（Vegetation Index,VI）作为输入特征的RF（VI+RF）结果做比较。基于CAE提取特征的RF模型回归得到的LNCmass估测精度最高（R~2=0.78,RMSE=0.60）,而基于VGG16模型（R~2=0.72,RMSE=0.69）和VI+RF模型（R~2=0.70,RMSE=0.62）的LNCmass估测精度略低,表明利用分级诊断挖掘的无人机影像的深层次特征同样适用于LNCmass的定量估测。本研究基于无人机多光谱影像分别实现了LNCarea和LNCmass的估测,为实现冬油菜便捷、快速地氮养分估测提供了比较可行的方案,有利于促进油菜产业的精准化、精细化和高质量发展。