無人機(jī)可見光影像對(duì)甜菜葉綠素含量的反演研究

劉智鑫,練雪萌,汪 旭,吳啟賢,於麗華,耿 貴

(黑龍江大學(xué)現(xiàn)代農(nóng)業(yè)與生態(tài)環(huán)境學(xué)院,哈爾濱 150080)

0 引言

葉綠素作為植物進(jìn)行光合作用的主要色素,其含量與農(nóng)作物生長狀況、氮素含量、產(chǎn)量等有著極大的相關(guān)性,是農(nóng)作物長勢監(jiān)測的重要指標(biāo)[1,2]。了解葉綠素含量可以間接判斷植物氮素含量,指導(dǎo)田間施肥等經(jīng)營管理活動(dòng)[3]。遙感因具有快速、無破壞、大尺度精細(xì)化監(jiān)測等優(yōu)點(diǎn),在作物表型分析領(lǐng)域已展示出獨(dú)特的優(yōu)勢。然而衛(wèi)星遙感重訪周期長、空間分辨率低,受大氣條件影響大,制約其在作物表型精準(zhǔn)分析中的應(yīng)用。近年來,無人機(jī)(unmanned aerial vehicle, UAV)遙感因分辨率高、使用成本低、靈活性強(qiáng)等特點(diǎn),為作物表型分析提供了良好的契機(jī)[4]。

甜菜是一種重要的經(jīng)濟(jì)作物,是可以經(jīng)濟(jì)地生產(chǎn)蔗糖(即糖)的僅有的兩種植物來源之一[5]。在甜菜中,氮在葉片展開以捕獲陽光的過程中發(fā)揮著關(guān)鍵作用,被認(rèn)為是葉片和貯藏根生長速率的主要決定因素[6]。在甜菜生長周期的前70天,葉片中的氮濃度逐漸增加,隨后隨著生長周期的推進(jìn)而降低[7]。葉片的葉綠素含量與氮素狀態(tài)有關(guān)[8],葉綠素含量的降低和冠層衰老的加速通常發(fā)生在作物周期的結(jié)束階段[9]。由于葉綠素濃度較低,低水平的氮會(huì)導(dǎo)致葉子呈現(xiàn)綠色[10],盡管在后期施用氮會(huì)增加葉片中的葉綠素濃度[11]。在甜菜生長周期的最后階段,測定葉片中的氮水平變得尤為重要,因?yàn)橐呀?jīng)證明后期氮的摻入或從土壤中釋放會(huì)降低蔗糖含量[12]。此外,Draycott等人發(fā)現(xiàn),超過最佳水平后,氮素會(huì)對(duì)糖產(chǎn)量產(chǎn)生負(fù)面影響。在夏季晚些時(shí)候釋放大量氮的土壤具有較低的產(chǎn)量,這是因?yàn)闃O化(即生長期表觀蔗糖含量)與氮素有效性成反比。此外,Gordo-Ingelmo報(bào)道了甜菜對(duì)氮肥增加的反應(yīng),葉片和根系發(fā)育更加旺盛,這反過來導(dǎo)致蔗糖的過度利用和非糖物質(zhì)的增加。這種情況主要發(fā)生在過量施用有機(jī)肥的情況下,因?yàn)橐徊糠值蒯尫诺锰?導(dǎo)致根系停止成熟。

目前大多數(shù)關(guān)于光譜圖像的研究都集中在診斷葉綠素含量上[13]。這些研究的方向包括分析光譜響應(yīng)[14],在可見光和近紅外圖像的基礎(chǔ)上,對(duì)敏感參數(shù)進(jìn)行定量化與選擇[15],以及對(duì)模型的優(yōu)化。Yu等[16]發(fā)現(xiàn),反射差分指數(shù)(RRDIs)的比例可以消除作物冠層結(jié)構(gòu)對(duì)光譜反射特性的影響,從而提高葉綠素含量的估計(jì)。Gaurav等[17]使用多光譜相機(jī)收集了玉米冠層的譜數(shù)據(jù),并使用機(jī)器學(xué)習(xí)構(gòu)建了葉綠素含量的診斷模型。最優(yōu)模型的決定系數(shù)(R2)為0.904。結(jié)果表明,機(jī)載多光譜傳感器與機(jī)器學(xué)習(xí)的結(jié)合可以有效提高葉綠素含量的檢測精度。上述研究概述了植被指數(shù)在估計(jì)葉綠素含量方面的能力,尤其是基于無人機(jī)在可見光、紅邊和近紅外波段的采集,對(duì)植被的生理和生物化學(xué)有敏感的反應(yīng)[14]。

在甜菜的生長過程中,葉綠素含量的監(jiān)測對(duì)于實(shí)現(xiàn)增產(chǎn)和增糖的目標(biāo)至關(guān)重要。然而,傳統(tǒng)的田間測量方法難以滿足大規(guī)模監(jiān)測的需求,因此遙感技術(shù)被廣泛應(yīng)用于作物長勢監(jiān)測。近年來,無人機(jī)遙感技術(shù)的發(fā)展為作物表型分析提供了新的契機(jī)。我的論文旨在利用無人機(jī)遙感技術(shù)對(duì)甜菜生長進(jìn)行監(jiān)測,并建立與葉綠素含量相關(guān)的機(jī)器學(xué)習(xí)模型。選擇了支持向量機(jī)(SVM)、隨機(jī)森林(RF)和嶺回歸(RR)三種機(jī)器學(xué)習(xí)算法,并利用決定系數(shù)R2、均方根誤差RMSE、歸一化均方根誤差NRMSE和平均絕對(duì)誤差MAE等指標(biāo)評(píng)價(jià)模型精度。本次研究基于9個(gè)不同施氮水平下甜菜的可見光遙感影像和田間實(shí)測冠層葉綠素含量。使用大疆精靈4無人機(jī)進(jìn)行甜菜生長的監(jiān)測,收集了甜菜冠層的圖像數(shù)據(jù)。之后,將這些圖像數(shù)據(jù)與實(shí)測的葉綠素含量進(jìn)行比較,建立了與葉綠素含量相關(guān)的機(jī)器學(xué)習(xí)模型。

通過機(jī)器學(xué)習(xí)模型的應(yīng)用,可以快速、準(zhǔn)確地獲取甜菜冠層的葉綠素含量,為甜菜的增產(chǎn)和增糖提供科學(xué)依據(jù)。同時(shí),本次的研究結(jié)果也為利用無人機(jī)遙感技術(shù)進(jìn)行作物長勢監(jiān)測提供了新的思路和方法

1 材料與方法

1.1 試驗(yàn)區(qū)概況

供試材料為甜菜“KWS1176”丸?；N子,試驗(yàn)區(qū)位于黑龍江省哈爾濱市黑龍江大學(xué)呼蘭校區(qū)甜菜種植基地,如圖1所示,試驗(yàn)區(qū)株距0.14 m,行距0.16 m。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of study area

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2022年3月到10月開展,在研究區(qū)域內(nèi),先施加25 kg/hm2磷酸二銨作為基肥,在苗期結(jié)束后(5月29日)進(jìn)行9個(gè)不同水平的氮肥處理,這些處理包括0 kg/hm2(CK)、30 kg/hm2(N1)、60 kg/hm2(N2)、90 kg/hm2(N3)、120 kg/hm2(N4)、150 kg/hm2(N5)、180 kg/hm2(N6)、210 kg/hm2(N7)、240 kg/hm2(N8),每個(gè)處理都設(shè)置了4次重復(fù),總共有36個(gè)試驗(yàn)小區(qū),小區(qū)分布如圖1所示。

1.3 無人機(jī)可見光影像數(shù)據(jù)采集

無人機(jī)可見光數(shù)據(jù)和大田甜菜樣本數(shù)據(jù)根據(jù)甜菜的生長特性和關(guān)鍵生長期選擇在以下日期進(jìn)行采集:苗期:5月29日;葉叢快速生長期:6月9日、6月19日和7月5日;塊根糖分增長期:7月22日、8月15日,以及糖分積累期10月13日。

1.3.1 無人機(jī)多光譜數(shù)據(jù)采集

本實(shí)驗(yàn)采用了大疆精靈4多光譜無人機(jī)(DJI P4 Multispectral)搭載的多光譜相機(jī)組成信息采集系統(tǒng),該系統(tǒng)的地面分辨率是0.8厘米/像素。多光譜無人機(jī)相機(jī)鏡頭垂直于主航線拍攝,無人機(jī)飛行高度設(shè)置為15米,航速為5米/秒,航向重疊率為70%,旁向重疊率為60%。對(duì)試驗(yàn)區(qū)進(jìn)行了連續(xù)監(jiān)測。

表1 無人機(jī)主要參數(shù)Tab.1 Main parameters of UAV

1.4 大田數(shù)據(jù)采集

大田數(shù)據(jù)采集時(shí)間與無人機(jī)可見光影像數(shù)據(jù)采集時(shí)間相同。

1.4.1 葉綠素含量

在36個(gè)試驗(yàn)小區(qū)中一個(gè)小區(qū)取4株,避開最頭上一兩株,往里連續(xù)取(避免邊際效應(yīng)),每株甜菜葉片利用打孔器(避開葉脈)進(jìn)行打孔取樣,因丙酮與乙醇混合溶劑的提取效果顯著高于單一溶劑[18],故取樣后立即浸泡在丙酮∶無水乙醇(1∶1)的離心管中密封,并于黑暗條件下存放,直至樣品完全變白為止。隨后用紫外分光光度計(jì)分別測定波長在663 nm、645 nm處的吸光度值,根據(jù)葉綠素含量計(jì)算公式[19]:

Chla=12.7OD663-2.69OD645

Chlb=22.9OD645-4.86OD663

Cv=Chla+Chlb

計(jì)算葉綠素含量。式中:Chla、Chlb分別表示提取液中葉綠素a、葉綠素b的濃度(μg/mL);CA為單位葉面積的葉綠素含量(mg/dm2);CA和CV的下標(biāo)A和V表示面積和體積,S為用于提取葉綠素的葉片面積。

1.4.2 地上部產(chǎn)量、塊根產(chǎn)量

在36個(gè)試驗(yàn)小區(qū)中,一個(gè)小區(qū)分兩壟,每壟各取連續(xù)的10株,共20株,每壟的長度為1.4米,將甜菜的地上部和地下部分離后分別稱重,隨后利用試驗(yàn)設(shè)計(jì)中的株距和行距計(jì)算甜菜地上部和地下部的小區(qū)理論畝產(chǎn)量。

1.4.3 含糖率

在測產(chǎn)的20株甜菜中隨機(jī)選取8株甜菜,利用糖度儀(日本愛拓PAL-1)進(jìn)行錘度測定,測定的錘度值乘以82%即為含糖率。

1.5 數(shù)據(jù)分析與處理

植被指數(shù)已成功用于監(jiān)測農(nóng)作物的生長和預(yù)測農(nóng)作物的產(chǎn)量[20]。本研究采用了以下三種模型方法:支持向量機(jī)(SVM)、隨機(jī)森林(RF)和嶺回歸(RR)。

基于無人機(jī)獲取的6種植被指數(shù)影像,利用上述三種機(jī)器學(xué)習(xí)模型對(duì)甜菜葉綠素含量進(jìn)行反演。將無人機(jī)可見光影像數(shù)據(jù)導(dǎo)入DJI Terra軟件,進(jìn)行拼接、合成以及波段運(yùn)算,得到了表2中的植被指數(shù)。

表2 植被指數(shù)計(jì)算公式Tab.2 Calculation formula of vegetation index

使用ArcGis10.6和ENVI5.3軟件,將試驗(yàn)區(qū)劃分為36個(gè)小區(qū)。接下來,對(duì)不同植被指數(shù)影像進(jìn)行試驗(yàn)區(qū)識(shí)別、感興趣區(qū)域選取、掩膜劃分,并通過分區(qū)統(tǒng)計(jì)提取得到小區(qū)植被指數(shù)均值。

這些數(shù)據(jù)將用于進(jìn)一步的分析和模型驗(yàn)證,以評(píng)估各種模型在預(yù)測甜菜葉綠素含量和葉面積指數(shù)方面的性能。通過比較不同模型的預(yù)測結(jié)果和實(shí)際觀測數(shù)據(jù)的差異,可以選擇出最適合的模型,用于預(yù)測和評(píng)估甜菜生長狀況。

1.6 評(píng)價(jià)指標(biāo)

在本次研究中,按照70%和30%的比例隨機(jī)抽取實(shí)測樣本數(shù)據(jù),其中70%的數(shù)據(jù)樣本用于構(gòu)建甜菜葉綠素含量及葉面積指數(shù)預(yù)測模型,而30%的數(shù)據(jù)樣本則作為驗(yàn)證集用于模型評(píng)價(jià)。最后采用以下指標(biāo)來評(píng)估模型的精度:皮爾遜相關(guān)系數(shù)(Pearson correlation coefficient,R)、決定系數(shù)(Coefficient of determination,R2)、均方根誤差(Root mean squared error,RMSE)標(biāo)準(zhǔn)均方根誤差(Normal-ized root mean squared error,NRMSE)和平均絕對(duì)誤差(Mean Absolute Deviation, MAE)。計(jì)算公式如下:

2 結(jié)果與分析

2.1 不同施氮量對(duì)甜菜葉片葉綠素含量的影響

圖2展示了試驗(yàn)周期內(nèi)不同取樣時(shí)間的甜菜葉片葉綠素含量方差分析圖。第一張圖比較了苗期和葉叢快速生長期的情況,而第二張圖則比較了塊根糖分增長期和糖分積累期的情況。在5月29日施用氮肥后,由于土壤本身施有底肥,甜菜在生長前期已能從土壤中獲取足夠的養(yǎng)分。因此,在苗期(5月29日),甜菜中的chl差異并不明顯,在葉叢快速增長期(6月9日,6月19日)追施的氮肥已經(jīng)開始發(fā)揮作用,與對(duì)照組相比已經(jīng)有明顯的差異,如圖2所示。伴隨著施氮時(shí)間的延長,葉片葉綠素含量(Chl)整體呈現(xiàn)先升高后下降的趨勢。在7月5日取樣時(shí),各處理葉片chl達(dá)到最大值,并且隨著氮素增加先增加后降低,相比對(duì)照組,N2-N8處理的甜菜葉片Chl顯著更高。其中,在N6處理下,甜菜葉片Chl達(dá)到最大值,相比對(duì)照組增加了28.51%;N8處理的Chl相比對(duì)照組增加了16.78%。然而,在甜菜進(jìn)入塊根與糖分積累期后,葉片開始衰老,各處理下的甜菜葉片Chl呈現(xiàn)下降趨勢。不過,施用高氮N2-N8處理的葉片葉綠素含量仍然顯著高于對(duì)照組。

圖2 不同施氮量對(duì)甜菜葉綠素含量的影響Fig.2 Effects of different nitrogen fertilizer rates on chlorophyll content in beet

2.2 不同施氮量對(duì)甜菜產(chǎn)質(zhì)量的影響

圖3展示了不同施氮量對(duì)甜菜地上部、地下部產(chǎn)量以及含糖率的影響,由圖可知氮肥的施用對(duì)甜菜的地上部和地下部產(chǎn)量都有明顯的影響。對(duì)比CK處理,所有施氮處理的地上部、地下部產(chǎn)量都有所增加且有明顯差異,這進(jìn)一步證明了氮肥對(duì)甜菜生長的重要性。在追施氮肥的情況下,N7處理的地上部產(chǎn)量最高,達(dá)到了1.75千克/畝。同樣地,N7處理也是地下部產(chǎn)量最高的處理并且達(dá)到顯著水平,為6.19千克/畝。N8處理的地上部和地下部產(chǎn)量雖然比N7處理低,但仍高于大多數(shù)處理,然而,含糖率的檢測中,CK處理的含糖率最高,為17%。并且隨著施氮量的增加,整體含糖率呈下降趨勢, 在N6處理達(dá)到最低,為16.39%。

圖3 不同施氮量對(duì)甜菜地上、地下部產(chǎn)量及含糖率的影響Fig.3 Effects of different nitrogen application rates on yield and sugar content in aboveground and underground parts of sugar beet

2.3 不同取樣時(shí)間葉綠素與施氮量的相關(guān)性分析

圖4展示了不同取樣時(shí)間下,不同施氮量與田間實(shí)測葉綠素(Chl)的相關(guān)性分析結(jié)果。由于氮肥是在5月29日一次性施入的,因此施氮量與葉綠素在5月29日沒有相關(guān)性。隨著種植時(shí)間的延長,氮肥逐漸發(fā)揮作用。從6月9日(葉叢快速生長期)開始,相關(guān)系數(shù)穩(wěn)步上升,至7月22日(塊根糖分積累期)達(dá)到最大值,相關(guān)系數(shù)為r=0.855。隨后,由于葉片衰老,各處理的甜菜葉片Chl呈現(xiàn)下降趨勢。然而,不同氮肥量與甜菜Chl之間的相關(guān)系數(shù)仍在0.7以上。因此,可以通過植被指數(shù)建立模型來監(jiān)測葉片葉綠素含量,為了解冠層氮營養(yǎng)和精準(zhǔn)施肥提供參考。

圖4 不同取樣時(shí)間葉綠素與施氮量的相關(guān)性分析Fig.4 Correlation analysis between chlorophyll and nitrogen application at different sampling time

2.4 甜菜葉綠素含量與植被指數(shù)反演模型的構(gòu)建

2.4.1 甜菜糖分增長期葉綠素含量機(jī)器學(xué)習(xí)模型

基于不同機(jī)器學(xué)習(xí)模型反演葉綠素含量的三種 Chl 反演模型,如圖5所示,在甜菜糖分增長期,三種模型反演效果為SVM>RF>RR,R2分別為0.74,0.55,0.34;RMSE分別為0.68,0.95,1.15;MAE為0.48,0.67,0.75;NRMSE為0.16,0.20,0.24。通過比較這些模型的R2、RMSE、MAE和NRMSE等評(píng)估指標(biāo),我們可以得出以下結(jié)論:SVM模型在預(yù)測甜菜糖分增長期葉綠素含量方面具有最佳的表現(xiàn),其R2、RMSE等評(píng)估指標(biāo)都優(yōu)于RF和RR模型,表明SVM模型能夠更好地解釋數(shù)據(jù)變動(dòng),具有更小的預(yù)測誤差和更好的預(yù)測效果。RF模型在預(yù)測葉綠素含量方面的表現(xiàn)次之,雖然RF模型的表現(xiàn)不如SVM模型,但在某些情況下,它仍然是一個(gè)有效的選擇,例如當(dāng)需要考慮變量間的相互作用和復(fù)雜關(guān)系時(shí)。而RR模型在預(yù)測葉綠素含量方面的表現(xiàn)最差,這些評(píng)估指標(biāo)的值表明該模型在解釋數(shù)據(jù)變動(dòng)和預(yù)測誤差方面都存在較大的問題。

圖5 糖分增長期chl反演模型Fig.5 Chl inversion model during sugar increase

圖6 糖分積累期反演模型Fig.6 Inverse Chl model for the period of sugar accumulation

圖7 全時(shí)期chl反演模型Fig.7 Inverse Chl model for the whole period

2.4.2 甜菜糖分積累期葉綠素含量機(jī)器學(xué)習(xí)模型

在甜菜糖分積累期, SVM模型是唯一展現(xiàn)出良好反演效果的模型。具體來說,該模型的R2值達(dá)到0.74,這意味著它能夠解釋甜菜糖分積累期數(shù)據(jù)變動(dòng)的74%。同時(shí),RMSE值為0.27,表明該模型的預(yù)測誤差較小。MAE值為0.18,說明平均而言,該模型預(yù)測的誤差較小。NRMSE值為0.16,表明該模型在歸一化處理后的預(yù)測誤差也很小。

由此可見,在預(yù)測甜菜糖分積累期葉綠素含量方面,SVM模型具有最佳的表現(xiàn)。通過比較這些評(píng)估指標(biāo),我們可以清楚地看到SVM模型能夠更好地解釋數(shù)據(jù)變動(dòng)、具有更小的預(yù)測誤差和更好的預(yù)測效果。

2.4.3 甜菜整個(gè)生長期葉綠素含量機(jī)器學(xué)習(xí)模型

在甜菜整個(gè)生長期,三種反演模型(SVM、RF和RR)的反演效果存在顯著差異。在這三種模型中,SVM模型在預(yù)測葉綠素含量方面表現(xiàn)出最佳的反演效果。具體來說,SVM模型具有較高的決定系數(shù)(R2=0.76),表明該模型能夠解釋甜菜生長過程中葉綠素含量變動(dòng)的76%。同時(shí),該模型的均方根誤差(RMSE=0.53)和平均絕對(duì)誤差(MAE=0.33)較低,歸一化均方根誤差(NRMSE=0.09)也較小,這表明該模型的預(yù)測誤差較小,預(yù)測效果較好。

此外,SVM模型與植被指數(shù)之間存在顯著的相關(guān)性,其模型為y=13+0.705x。這個(gè)模型可以有效地將植被指數(shù)與葉綠素含量聯(lián)系起來,為利用無人機(jī)遙感監(jiān)測甜菜生長過程中的葉綠素含量提供了方便。通過應(yīng)用SVM模型,我們可以更好地利用無人機(jī)遙感技術(shù)來監(jiān)測甜菜整個(gè)生長期的葉綠素含量,從而為農(nóng)業(yè)生產(chǎn)提供更準(zhǔn)確、更有效的參考信息。

3 討論

在本次研究中,不同施氮量對(duì)甜菜葉片葉綠素含量具有顯著影響。隨著施氮量的增加,葉綠素含量呈現(xiàn)出先上升后下降的趨勢,這與越鵬等人[21]的研究結(jié)果一致。此外,不同施氮量對(duì)甜菜地上部產(chǎn)量也有顯著影響,表現(xiàn)為隨著施氮量的增加,地上部產(chǎn)量逐步增加,并在N7處理達(dá)到最大值,隨后逐漸降低,整體也呈先上升后下降的趨勢。然而,對(duì)于地下部產(chǎn)量而言,除N6、N7處理外,N1-N5處理地下部產(chǎn)量雖增加,但并未達(dá)到顯著影響水平。而對(duì)于含糖率而言,隨著施氮量的增加,整體呈下降趨勢,其中N6、N7處理下降趨勢顯著。

許多研究表明,隨著施氮量的增加會(huì)導(dǎo)致葉片和冠部發(fā)育更加茂盛,同時(shí)根系成熟速度減慢,根系含糖量降低。此外,氮肥施用過量會(huì)導(dǎo)致甜菜植株生長過快,根系發(fā)育不良,根質(zhì)量可能會(huì)降低[10,22-24]。LAST P等人[25]的一項(xiàng)為期六年的田間研究(1973-1978)表明,硝酸銨施肥和灌溉對(duì)甜菜產(chǎn)量和質(zhì)量有影響。甜菜根產(chǎn)量隨干物質(zhì)積累量的增加而線性增加。然而,在大多數(shù)情況下,增加氮肥會(huì)得到更高的根產(chǎn)量,但相反,高氮量降低了根中的糖含量。DE SOUZA BRAZ A M等人[26]在克羅地亞進(jìn)行了兩年的研究后指出,基本施肥量為6.7公斤/畝的尿素可使根產(chǎn)量從平均3.84噸/畝(對(duì)照)增加到4.09噸/畝,糖含量從平均15.7%(對(duì)照)增加到15.8%。這表明,在一定范圍內(nèi),增加氮肥的施用量可以促進(jìn)甜菜的生長和產(chǎn)量。但是,超過一定限度后,增加氮肥的施用量可能會(huì)對(duì)甜菜的生長產(chǎn)生負(fù)面影響

在本次研究中,支持向量機(jī)(SVM)模型在反演葉綠素含量方面表現(xiàn)最佳。由于在本次研究中,甜菜葉綠素含量為小樣本數(shù)據(jù),且不同取樣時(shí)期的數(shù)據(jù)呈現(xiàn)出非線性關(guān)系。SVM模型是一種基于核方法的分類器,能夠有效地處理小樣本數(shù)據(jù)并且具有較好的泛化能力。此外,SVM模型在處理高維數(shù)據(jù)時(shí)具有優(yōu)勢,可以挖掘出數(shù)據(jù)中的非線性關(guān)系。因此,在甜菜的生長期內(nèi),SVM模型能夠較好地反演葉綠素含量。這一結(jié)果與劉朝相等人[27]的研究結(jié)果一致。

總的來說,本研究表明無人機(jī)遙感技術(shù)可以用于估測甜菜的葉綠素含量,為實(shí)現(xiàn)精準(zhǔn)施氮、增產(chǎn)、增糖和增收提供了新的理論依據(jù)。然而,需要注意的是,本研究僅針對(duì)一種作物進(jìn)行了研究,因此需要進(jìn)一步研究其他作物的遙感估測方法。此外,在實(shí)際應(yīng)用中,還需要考慮無人機(jī)操作的安全性、效率和精度等因素。

4 結(jié)論

本研究基于無人機(jī)可見光技術(shù)對(duì)甜菜冠層葉綠素含量反演,指導(dǎo)農(nóng)業(yè)精準(zhǔn)施氮實(shí)現(xiàn)甜菜增產(chǎn)具有可行性。根據(jù)實(shí)驗(yàn)結(jié)果:在甜菜的糖分增長期、糖分積累期和整個(gè)生長期,基于植被指數(shù)的SVM模型都能夠較好地反演甜菜冠層葉綠素含量,并具有較好的預(yù)測能力。因此,可以使用這種模型來指導(dǎo)農(nóng)業(yè)精準(zhǔn)施氮,實(shí)現(xiàn)甜菜的增產(chǎn)增效。