基于無人機高光譜的冬小麥植株氮含量估算

肖天豪，周學(xué)軍，李存文*，楊福芹，楊佳琪

（1. 河南省測繪工程院，河南 鄭州 450003；2. 河南省遙感測繪院，河南 鄭州 450003；3. 河南工程學(xué)院土木工程學(xué)院，河南 鄭州 451191）

氮素是植物生長過程中不可缺少的成分，對植株氮含量的準(zhǔn)確檢測有利于對冬小麥的長勢、精準(zhǔn)施肥以及冬小麥產(chǎn)量進行預(yù)測[1-3]。目前，隨著無人機光譜遙感技術(shù)的不斷發(fā)展，國內(nèi)外學(xué)者利用光譜技術(shù)對棉花、馬鈴薯等作物的冠層氮含量進行了大量的研究，并取得了一定的成果[4-9]。本研究利用無人機獲取挑旗期和開花期2 個關(guān)鍵生育期的高光譜遙感數(shù)據(jù)進行分析，結(jié)合相關(guān)性和方差膨脹因子，利用不同的建模方法對冬小麥植株氮含量進行估算，以期為冬小麥精準(zhǔn)施肥提供科學(xué)和技術(shù)依據(jù)。

1 材料與方法

1.1 實驗區(qū)概況與實驗設(shè)計

研究區(qū)位于國家精準(zhǔn)農(nóng)業(yè)研究示范基地，該區(qū)域海拔高度36 m，地理坐標(biāo)為40°00′～40°21′N，116°34′～117°00′E。屬于暖溫帶大陸性季風(fēng)氣候。該實驗區(qū)東西長84 m，每行12個小區(qū)；南北長32 m，每列4個小區(qū)，共48 個實驗小區(qū)，實驗過程中以16 個小區(qū)為一組，重復(fù)3 次。重復(fù)1 和重復(fù)2 用于建模，重復(fù)3 用于驗證。在該實驗區(qū)進行了水分、氮肥和品種隨機正交實驗，水分量為雨養(yǎng)、正常水和過量；氮肥分別為0 kg尿素/畝（0，N1）、13 kg尿素/畝（1/2正常，N2）、26 kg尿素/畝（正常，N3）和39 kg尿素/畝（3/2正常，N4）；品種分別為京9843（J9843）和中麥175（ZM175）。實驗分布如圖1所示。

圖1 實驗設(shè)計

1.2 高光譜數(shù)據(jù)采集

1.3 植株氮含量的測定

植株氮含量的測定見參考文獻[9]，植株氮含量的范圍是1.33%～2.65%。

1.4 研究方法

1.4.1 植被指數(shù)的選取

在借鑒前人研究的基礎(chǔ)上，選取了18個能反映作物氮含量狀況的植被指數(shù)，如表1所示。

表1 氮含量植被指數(shù)

1.4.2 多重共線性

采用方差膨脹因子（VIF）對選取的植被指數(shù)進行多重共線性檢驗。其公式為：

式中，R2為決定系數(shù)，表示植被指數(shù)與植株氮含量之間的關(guān)系。

1.4.3 逐步回歸

逐步回歸分析方法是利用回歸思想從可供選擇的變量中選擇對因變量重要的變量，進而建立回歸分析模型[24]。

治療前、后4周空腹8 h以上檢測空腹血糖及餐后2 h血糖水平。臨床療效評價標(biāo)準(zhǔn)：顯效：通過相應(yīng)的治療，患者臨床癥狀得到顯著地改善，肺功能明顯提升；有效：經(jīng)過治療，患者臨床癥狀有一定程度的緩解，肺功能有所提升；無效：治療之后，患者臨床癥狀并未改善或者加重，肺功能無變化或者降低?？傆行?顯效率+有效率。

1.4.4 多元線性回歸

多元線性回歸是由多個自變量的最優(yōu)組合通過回歸預(yù)測因變量的一種回歸方法，其回歸比一元線性回歸的實用意義更大[25]。

1.4.5 偏最小二乘回歸

集多元線性回歸、主成分分析與典型相關(guān)分析于一體的一種回歸算法，能在自變量之間相關(guān)密切的條件下進行回歸算法[26]。

1.4.6 精度評定

采用決定系數(shù)（R2）和均方根誤差（RMSE）分析評定模型的建模和驗證精度。R2和RMSE計算公式如下：

式中，n為樣本量；xi為實測值；yi為預(yù)測值；yˉ為預(yù)測平均值。

2 結(jié)果與分析

2.1 植被指數(shù)與植株氮含量的相關(guān)性

圖2、3分析了植被指數(shù)與挑旗期和開花期植株氮含量的相關(guān)性，從圖中可以看出，18個植被指數(shù)與植株氮含量均達到0.01顯著水平。在挑旗期，植被指數(shù)與植株氮含量相關(guān)性最好的植被指數(shù)是NDRE，其值為0.746；相關(guān)性最差的是DCNI，其值為0.485。在開花期，植被指數(shù)與植株氮含量相關(guān)性最好的植被指數(shù)是MTCI，其值為0.742；相關(guān)性最差的是NDCI，其值為0.365。

圖2 挑旗期植被指數(shù)與植株氮含量的相關(guān)性

2.2 植被指數(shù)間的多重共線性分析

圖3 開花期植被指數(shù)與植株氮含量的相關(guān)性

為進一步提高模型的精度，防止植株氮含量建模的入選參量之間的高相關(guān)，采用VIF對植被指數(shù)間進行多重共線性分析，結(jié)果如圖4所示。根據(jù)挑選原則，當(dāng)0＜VIF＜10 時，植被指數(shù)間不存在多重共線性；當(dāng)10≤VIF≤20時，植被指數(shù)間存在一定共線性；當(dāng)VIF＞20時，植被指數(shù)間共線性非常嚴(yán)重。由圖4a分析可以看出，NDRE、NDSI（788，756）、SAVI（870，680）、NDVI、SR（533，565）植被指數(shù)間的VIF都小于10，將這5 個植被指數(shù)作為建立冬小麥挑旗期植株氮含量估算模型的自變量。由圖4b分析可以看出NDSI（788，756）、DCNI、SR（750，705）、MSAVI、SAVI（870，680）植被指數(shù)間的VIF都小于10，將這5個植被指數(shù)作為建立冬小麥開花期植株氮含量估算模型的自變量。

圖4 多重共線性分析

2.3 構(gòu)建植株氮含量估算模型

采用逐步回歸、偏最小二乘回歸和多元線性回歸3 種回歸算法，基于5 個植被指數(shù)分別建立了挑旗期和開花期的植株氮含量估算模型。在挑旗期，利用逐步回歸方法構(gòu)建的植株氮含量遙感估算模型為

PNC=14.761 × NDSI（788，756）+ 3.284 × SAVI（870，680），其中R2和RMSE分別為0.54和0.21。利用偏最小二乘回歸方法構(gòu)建的植株氮含量遙感估算模型為

PNC=2.797+11.503×NDSI（788，756）+6.618×SAVI（870，680）+5.394×NDRE-9.228×NDVI+1.249×SR（533，565），其中R2和RMSE分別為0.66和0.18。利用多元線性回歸構(gòu)建的植株氮含量遙感估算模型為PNC=17.802×NDSI（788，756）+5.43×SAVI（870，680）+2.674×NDRE-7.193×NDVI+2.761×SR（533，565），其中R2和RMSE 分別為0.64 和0.19。在開花期，利用逐步回歸方法構(gòu)建的植株氮含量遙感估算模型為PNC=0.058×DCNI+2.684×MSAVI-0.0256×SR（750，705），其中R2和RMSE 分別為0.46 和0.16。利用偏最小二乘回歸方法構(gòu)建的植株氮含量遙感估算模型為PNC=-1.111+1.283×NDSI（788，756）-3.325×SAVI（870，680）+0.124×DCNI+8.079×MSAVI-0.705×SR（750，705），其中R2和RMSE 分別為0.52 和0.15。利用多元線性回歸構(gòu)建的植株氮含量遙感估算模型為PNC=8.571×NDSI（788，

756）-6.841×SAVI（870，680）+0.08×DCNI+8.354×MSAVI-0.456×SR（750，705），其中R2和RMSE分別為0.51和0.15。結(jié)果表明在挑旗期和開花期，利用偏最小二乘回歸所構(gòu)建的模型精度最優(yōu)，挑旗期的R2和RMSE 分別為0.66 和0.18；開花期的R2和RMSE 分別為0.52和0.15。

2.4 驗證植株氮含量估算模型

為了進一步驗證該模型的精度，重復(fù)上述3 對模型進行了驗證，驗證結(jié)果如表2和圖5、6所示。由表2和圖5、6可以看出，驗證結(jié)果和建模結(jié)果一樣，在挑旗期和開花期利用偏最小二乘回歸所構(gòu)建的模型精度最優(yōu)，挑旗期驗證精度的R2和RMSE分別為0.74和0.11；開花期驗證精度的R2和RMSE 分別為0.83 和0.11。

圖5 挑旗期植株氮含量驗證

表2 植株氮含量驗證結(jié)果

2.5 植株氮含量空間分布

圖6 開花期植株氮含量驗證

運用ENVI 5.3與ArcGIS軟件將利用偏最小二乘回歸構(gòu)建的挑旗期和開花期的植株氮含量估算模型應(yīng)用到實驗區(qū)，結(jié)果如圖7、8所示。從圖中可以看出，挑旗期冬小麥植株氮含量多在1.8%～2.7%范圍內(nèi)，少數(shù)處于1.6%以下，開花期冬小麥植株氮含量多在1.4%～1.8%范圍內(nèi)，少數(shù)處于1.9%以上，估算氮含量與實測氮含量圖1 所在區(qū)間范圍大體一致，可直觀有效地反映實時植株氮含量的實際情況，為實施進行精準(zhǔn)施肥提供科學(xué)參考。

圖7 挑旗期冬小麥植株氮含量空間分布

圖8 開花期冬小麥植株氮含量空間分布

3 結(jié) 語

本研究利用無人機成像高光譜技術(shù)，藕合相關(guān)性和方差膨脹因子篩選對植株氮含量敏感且植被指數(shù)間相關(guān)性高的植被指數(shù)，采用逐步回歸、偏最小二乘回歸和多元線性回歸分析構(gòu)建了關(guān)鍵生育期植株氮含量遙感估算模型。結(jié)果表明：相比逐步回歸和多元線性回歸，偏最小二乘回歸構(gòu)建的挑旗期和開花期冬小麥植株氮含量估計模型精度較高，驗證結(jié)果同樣表明該模型在挑旗期和開花期具有較高的精度。利用該模型對植株氮含量進行了空間分布分析，與地面實際情況較相符，表明藕合相關(guān)性和方差膨脹因子篩選的植被指數(shù)采用偏最小二乘回歸構(gòu)建植株氮含量估算模型具有較高的精度，結(jié)果表明該方法可以為田塊尺度精準(zhǔn)施肥提供科學(xué)依據(jù)。