基于无人机遥感的果园冠层氮素估算及空间分析_李达岁.pdf

第42卷 第4期2023年 7月华中农业大学学报Journal of Huazhong Agricultural UniversityVol.42 No.4July 2023，158166基于无人机遥感的果园冠层氮素估算及空间分析李达岁1，阮思奇1，胡青青1，张金智1，2，张亚昊3，佃袁勇1，胡春根1，2，刘永忠1，2，雷宏伟4，周靖靖11.华中农业大学园艺林学学院，武汉 430070；2.果蔬园艺作物种质创新与利用全国重点实验室，武汉 430070；3.武汉市洪山区园林局林业防护中心，武汉 430070；4.江西绿萌科技控股有限公司，赣州 341600摘要 为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R2为0.710，测试集R2为0.430；纹理指数训练集R2为0.761，测试集R2为0.349；融合植被指数和纹理指数训练集R2为0.775，测试集R2为0.533。融合植被指数和纹理指数在SVM算法训练集R2为0.511，测试集R2为0.371；BP神经网络训练集R2为0.651，测试集R2为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。关键词 无人机遥感；柑橘；精准施肥；氮素；多光谱；植被指数；纹理指数中图分类号 S127；S666 文献标识码 A 文章编号 1000-2421（2023）04-0158-09柑橘是世界第一大类水果，也是我国南方栽培面积最广、经济地位最重要的果树1。氮素是柑橘生长发育的必需元素，其盈亏直接影响柑橘的产量及果实品质2，但柑橘对氮肥的利用率相对较低3，因此，实时、快捷、准确地检测果树氮素含量并进行科学施肥，是果树优质丰产的重要保障4。传统的果树氮素含量测量方法费时、费力，不能满足大面积、快速、实时监测的需要5，且植物氮素的测定需要在专门的实验室中对叶片样品进行化学分析，费用昂贵且会产生对环境有负面影响的有毒化学物质6。基于无人机（unmanned aerial vehicle，UAV）获取多光谱遥感数据作为一种无损、干净、快速的方法，可用于监测植物的氮含量7。基于无人机遥感反演农作物长势参数（形态参数、生理生化参数、胁迫参数、产量参数）的相关研究近年来发展迅速，已成为国内外农业遥感领域的热点8。基于遥感光谱数据估算植物氮含量的基本方法有 2种：基于作物地面实测参数和其遥感光谱反射率相关关系的统计模型和基于模拟光在叶片或冠层辐射传输过程的物理模型9。基于统计模型估算植物氮含量的研究包含光谱指数、原始光谱、包络线去除光谱、导数光谱等不同参数。然而，仅使用植被指数进行氮素含量估算，精度较低，植被指数结合机器学习算法可适当提高果园冠层氮素反演精度10-11。高分辨率遥感影像除了具备光谱信息外，还具有丰富的纹理信息，能够有效反映植被内部的结构信息，有效缓和光谱饱和现象12。而利用纹理信息进行森林参数、作物（如冬小麦和水稻等）生物量和氮素营养诊断已有报道13-14，但在果树冠层营养元素收稿日期：2022 12 15基金项目：国家重点研发计划项目（2019YFD1000104）；国家自然科学基金项目（31901963）；国家柑橘产业技术体系（CARS-26）李达岁，E-mail：lds_通信作者：周靖靖，E-mail：李达岁，阮思奇，胡青青，等.基于无人机遥感的果园冠层氮素估算及空间分析 J.华中农业大学学报，2023，42（4）：158166.DOI：10.13300/ki.hnlkxb.2023.04.018反演及诊断方面鲜有尝试。本研究利用大疆精灵4多光谱版无人机采集江西赣州宽行窄株小冠模式、宽行窄株篱壁模式、传统栽培模式的柑橘园多光谱遥感数据，提取植被指数和纹理指数，利用随机森林算法（random forest，RF）、支持向量机（support vector machine，SVM）、BP 神经网络算法（back propagation，BP）3种机器语言算法对柑橘冠层氮素含量进行反演，遴选出适合柑橘冠层氮素反演的高精度模型，以期为大尺度柑橘果园高效精准定量施肥提供技术支撑。1材料与方法1.1材料研究区位于江西省赣州市信丰县绿萌柑橘基地（2429 2709 N、11354 11638 E），属亚热带丘陵山区湿润季风气候。本研究选择宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式的柑橘树作为研究对象15，采用分层抽样和随机抽样相结合的方式选取 120 株柑橘树，每种栽培模式 40 株，采用A8 Plus小型化RTKGPS差分定位仪对样本植株进行定位，采取每株柑橘树的冠层叶片 35 片，放入-20 冰箱保存。1.2遥感数据采集和辐射定标于 2020年 11月 16日上午 10：00晴朗无云的天气下，利用大疆精灵4多光谱版无人机对柑橘果园进行遥感影像采集，设置飞行高度为100 m，镜头焦距为5.74 mm。遥感影响空间分辨率为5 cm，包含5个波段：蓝波段（blue，B）、绿波段（green，G）、红波段（red，R）、红边波段（rededge band，RE）和近红外波段（near infrared band，NIR）。辐射定标：DN（digital number）值与地面表观反射率之间的回归方程为：y=0.01743x-0.23758（x 为地球表观反射率，y为DN值），得到表观反射率影像。1.3柑橘冠层氮素含量测定采用凯氏定氮法16测定柑橘叶片氮素含量，将每株柑橘树的35片叶的氮素含量均值作为其冠层叶片氮素含量。1.4植被指数计算提取17个植被指数，构建基于多光谱的柑橘冠层氮素含量反演模型（表1）。表1植被指数计算公式Table 1Calculation formula of vegetation index注：R为光谱反射率：RNIR为近红外反射率、RR为红光反射率、RG为绿光反射率、RB为蓝光反射率。Note：R is spectral reflectance：RNIR is near-infrared reflectance，RR is the red light reflectivity，RG is the green light reflectivity，RB is the blue light reflectivity.第 4 期李达岁 等：基于无人机遥感的果园冠层氮素估算及空间分析反演及诊断方面鲜有尝试。本研究利用大疆精灵4多光谱版无人机采集江西赣州宽行窄株小冠模式、宽行窄株篱壁模式、传统栽培模式的柑橘园多光谱遥感数据，提取植被指数和纹理指数，利用随机森林算法（random forest，RF）、支持向量机（support vector machine，SVM）、BP 神经网络算法（back propagation，BP）3种机器语言算法对柑橘冠层氮素含量进行反演，遴选出适合柑橘冠层氮素反演的高精度模型，以期为大尺度柑橘果园高效精准定量施肥提供技术支撑。1材料与方法1.1材料研究区位于江西省赣州市信丰县绿萌柑橘基地（2429 2709 N、11354 11638 E），属亚热带丘陵山区湿润季风气候。本研究选择宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式的柑橘树作为研究对象15，采用分层抽样和随机抽样相结合的方式选取 120 株柑橘树，每种栽培模式 40 株，采用A8 Plus小型化RTKGPS差分定位仪对样本植株进行定位，采取每株柑橘树的冠层叶片 35 片，放入-20 冰箱保存。1.2遥感数据采集和辐射定标于 2020年 11月 16日上午 10：00晴朗无云的天气下，利用大疆精灵4多光谱版无人机对柑橘果园进行遥感影像采集，设置飞行高度为100 m，镜头焦距为5.74 mm。遥感影响空间分辨率为5 cm，包含5个波段：蓝波段（blue，B）、绿波段（green，G）、红波段（red，R）、红边波段（rededge band，RE）和近红外波段（near infrared band，NIR）。辐射定标：DN（digital number）值与地面表观反射率之间的回归方程为：y=0.01743x-0.23758（x 为地球表观反射率，y为DN值），得到表观反射率影像。1.3柑橘冠层氮素含量测定采用凯氏定氮法16测定柑橘叶片氮素含量，将每株柑橘树的35片叶的氮素含量均值作为其冠层叶片氮素含量。1.4植被指数计算提取17个植被指数，构建基于多光谱的柑橘冠层氮素含量反演模型（表1）。表1植被指数计算公式Table 1Calculation formula of vegetation index名称 Name归一化差值植被指数 Normalized difference vegetation index差值植被指数 Difference vegetation index增强植被指数 Enhanced vegetation index土壤修正植被指数 Soil adjusted vegetation index非线性植被指数 None liner index绿色归一化植被指数 Green normalized difference vegetation index绿色比植被指数 Green ratio vegetation index归一化叶绿素指数 Normalized pigment chlorophyll index作物氮反射指数 Nitrogen reflectance index土壤调节植被指数 Optimized soil adjusted vegetation index植物衰老反射率指数 Plant senescing reflectance index比植被指数 Ratio vegetation index冠层结构不敏感植被指数 Structure insensitive pigment index三角植被指数 Triangle vegetation index可见光大气阻抗植被指数 Visible atmospherically resistant vegetation index宽范围动态植被指数 Wide dynamic vegetation index转化叶绿素吸收反射指数Transformation chlorophyll absorption reflection index公式 FormulationINDV=(RNIR-RR)/(RNIR+RR)IDV=(RNIR-RR)IEV=2.5()RNIR-RR/(RNIR-7.5RB+6RR+1)ISAV=1.5(RNIR-RR)(RNIR+RR+0.5)INL=(RNIR2-RR)/(RNIR2+RR)IGNDV=(RNIR-RG)/(RNIR+RG)IGRV=RNIR/RGINPC=(RR-RB)/(RR+RB)INR=RR/(RR+RG+RB)IOSAV=1.16(RNIR-RR)/(0.16+RNIR+RR)IPSR=(RR-RB)/RNIRIRV=RNIR/RRISIP=(RNIR-RB)/(RNIR-RR)ITV=0.5 120(RR-RG)-200(RR-RG)IVAR=(R