精準(zhǔn)農(nóng)業(yè)∣ODP：利用無人機(jī)高光譜圖像估算玉米光合能力和產(chǎn)量的新指標(biāo)

研究背景：

搭載于無人機(jī)（UAV）平臺(tái)的多光譜和高光譜傳感器為高效、便捷地獲取作物冠層光譜信息提供了強(qiáng)大工具。基于此計(jì)算的植被指數(shù)（VIs）已被證明能有效捕捉作物的光合生理變化并估算光合能力，例如對(duì)類胡蘿卜素變化敏感的光化學(xué)反射指數(shù)（PRI）以及與葉綠素含量（LCC）和光合作用密切相關(guān)的結(jié)構(gòu)不敏感色素指數(shù)（SIPI）等。已有研究展示了結(jié)合多/高光譜數(shù)據(jù)、紋理、株高等信息或先進(jìn)機(jī)器學(xué)習(xí)模型反演Pn等光合參數(shù)或脅迫狀態(tài)的潛力。然而，多光譜信息量有限制約了精度提升，高光譜研究也大多局限于篩選現(xiàn)有VIs，缺乏針對(duì)特定研究目標(biāo)（如構(gòu)建時(shí)間尺度綜合光合指標(biāo)）對(duì)光譜信息或VIs進(jìn)行先驗(yàn)優(yōu)化的環(huán)節(jié)，這在相當(dāng)程度上限制了估算模型的準(zhǔn)確性和普適性。因此，開發(fā)新型、實(shí)用的綜合光合指標(biāo)并建立其與高效遙感手段的聯(lián)系，對(duì)于提升玉米光合能力評(píng)估和產(chǎn)量預(yù)測(cè)的效率與精度至關(guān)重要。

實(shí)驗(yàn)與數(shù)據(jù)采集：

本研究在兩大玉米主產(chǎn)區(qū)（華北—華東夏糧區(qū)與南方丘陵區(qū)）于不同年份、不同播期和不同生育階段，對(duì)多品種玉米進(jìn)行了數(shù)據(jù)采集。

圖1 實(shí)驗(yàn)地點(diǎn)和研究區(qū)域設(shè)計(jì)的插圖。

數(shù)據(jù)采集：

采用搭載GaiaSky?mini高光譜成像儀（Dualix Spectral Imaging Technology Co., Ltd., 無錫，中國(guó)）的DJI Matrice?600?Pro無人機(jī)（大疆創(chuàng)新科技有限公司，深圳，中國(guó)）進(jìn)行高光譜數(shù)據(jù)采集。高光譜儀波段范圍為400–1000?nm，光譜分辨率3.5?nm。飛行前使用DJI?GS?Pro進(jìn)行航線與航點(diǎn)規(guī)劃，飛行高度30?m，前后重疊率70%，側(cè)向重疊率60%。起飛前以標(biāo)準(zhǔn)白板進(jìn)行反射率校正，升空后利用20%、50%及70%反射率的灰布進(jìn)行大氣校正。影像采集采用自動(dòng)曝光模式，依據(jù)環(huán)境光照條件與目標(biāo)亮度自動(dòng)調(diào)整增益與曝光時(shí)間，采集時(shí)間為當(dāng)日光合指標(biāo)測(cè)定的11∶00。

圖2 研究流程示意圖。Pn：凈光合速率；Gs：氣孔導(dǎo)度；Ci：葉片內(nèi)CO?濃度；Tr：蒸騰速率；DAF：開花后天數(shù)；ODP：日光合作用量；VIs：植被指數(shù)；HGW：百粒重。

研究結(jié)果：

基于不同植被指數(shù)篩選與建模方法的ODP估算：

以O(shè)DP為輸出變量，分別采用多元線性回歸（MLR）、支持向量回歸（SVR）、高斯過程回歸（GPR）、隨機(jī)森林（RF）和梯度提升決策樹（GBDT）五種方法，構(gòu)建了兩類輸入：所有植被指數(shù)（VIs）與經(jīng)競(jìng)爭(zhēng)性自適應(yīng)重抽樣（CARS）篩選后的VIs（表?4）。結(jié)果表明，采用CARS篩選VIs后，模型精度與未篩選時(shí)相當(dāng)，卻僅保留了更少的特征，具有優(yōu)異的降維效果；同時(shí)消除了冗余特征，顯著提升了計(jì)算效率，并減輕了過擬合，使模型在新數(shù)據(jù)上的泛化能力更強(qiáng)。從最優(yōu)模型的頻次來看，GPR和SVR在精度上表現(xiàn)最佳，MLR、RF和GBDT相對(duì)較差。其中，SVR和GPR具有較強(qiáng)的非線性擬合能力、魯棒性及高維特征處理能力，因此在準(zhǔn)確性上占優(yōu)；MLR受線性假設(shè)限制；RF與GBDT則因模型復(fù)雜度和參數(shù)調(diào)優(yōu)難度較大，表現(xiàn)相對(duì)遜色。采用留一交叉驗(yàn)證（LOOCV）對(duì)全數(shù)據(jù)集建模，排除了數(shù)據(jù)劃分對(duì)結(jié)果的影響，提高了結(jié)果的穩(wěn)定性與可靠性（圖?8）。LOOCV結(jié)果顯示，無論是否進(jìn)行CARS篩選，GPR模型均具有最高精度；其中，CARS篩選后的GPR模型取得了最高的綜合表現(xiàn)：R²?=?0.82，RMSE?=?111.03，MAE?=?89.14；而未篩選模型的相應(yīng)指標(biāo)略低，為R²?=?0.81，RMSE?=?113.19，MAE?=?92.14。

基于單日光合作用量（ODP）的產(chǎn)量估測(cè)：

通過實(shí)測(cè)和估算的ODP數(shù)據(jù)對(duì)最終產(chǎn)量進(jìn)行了估測(cè)（圖?9）。僅使用開花后10?天（10?DAF）實(shí)測(cè)和估算ODP進(jìn)行產(chǎn)量估算時(shí)，決定系數(shù)R²分別僅為0.526和0.393，準(zhǔn)確性較低；當(dāng)加入開花后20?天（20?DAF）的ODP數(shù)據(jù)后，R²分別提升了0.182和0.194，估測(cè)精度顯著提高；而在繼續(xù)加入30?DAF和40?DAF數(shù)據(jù)時(shí)，R²的最大增幅均不足0.13。綜合使用四個(gè)時(shí)點(diǎn)的ODP實(shí)測(cè)值進(jìn)行回歸，可獲得R²?=?0.770，RMSE?=?0.961?t?ha?¹，MAE?=?0.816?t?ha?¹，表明多時(shí)點(diǎn)ODP實(shí)測(cè)數(shù)據(jù)可較準(zhǔn)確地估測(cè)玉米產(chǎn)量。使用估算的ODP值進(jìn)行產(chǎn)量估測(cè)時(shí)，R²亦均超過0.70，說明ODP估算同樣可用于精度較高的產(chǎn)量預(yù)測(cè)。

圖?3 玉米籽粒灌漿動(dòng)力學(xué)過程。(a) 不同灌漿階段百粒重（HGW）統(tǒng)計(jì)；(b) HGW 生長(zhǎng)動(dòng)力學(xué)曲線擬合；(c) 開花后灌漿速率（GFR）變化。

圖?4 Pn 擬合曲線投影面積獲取流程。(a) 開花后第?10?天的凈光合速率（Pn）測(cè)值；(b) 數(shù)據(jù)插值處理；(c) Pn 曲線擬合；(d) 曲線下投影面積計(jì)算。