无人机可见光谱识别越冬期油菜叶片叶绿素含量估测研究

严薇，唐乐，彭佳元，刘文祥，张振乾*

(1 湖南农业大学农学院，湖南 长沙 410128；

2 湖南省农业信息与工程研究所，湖南 长沙 410125)

当前，我国食用油自给率不足35%[1]，而油菜是我国第一大油料作物，其安全生产对确保我国食用油安全有十分重要的作用[2]。制约我国油菜产业发展的关键因素是栽培技术水平较低、田间管理成本高等导致种植户的效益较差[3-4]。

无人机遥感在农业资源、灾情、生态环境等方面的监测应用广泛[5-7]，具有成本较低、数据采集不受时间和频率的限制等优点[8]，在油菜研究中也有较多应用。张建等[9]利用无人机从多个角度获取油菜终花期的可见光图像，发现飞行高度为40 m时，油菜生物量估算精度最佳，且种植密度较高时，预测生物量的效果较好。赵必权等[10]认为利用苗期油菜目标数量与形态特征的内在关联能有效识别油菜机械直播的出苗数。同时，利用无人机可以帮助农业管理人员快速、有效地完成大规模油菜作物的长势监测任务[11-12]。何元[13]研究了不同施肥水平和种植密度下油菜苗期和角果期的冠层光谱，利用基于Matlab开发的农作物数字图像分析系统CMS提取冠层图像的颜色特征。朱红艳[14]基于优选植被指数和优选特征波长等多种数据挖掘算法和机器学习算法，建立了稳健的油菜花数目、油菜氮素、叶面积指数和产量的遥感定量模型。当前，基于无人机光谱对油菜开展的相关研究大都集中在苗期和角果期，而越冬期的相关报道较少。而越冬期油菜体内积累有机养分较多，呼吸作用消耗养分少，是积累糖分较多的一个时期[15]，且叶片光合作用较旺盛，生长较好[16]，因此监测越冬期油菜长势能为次年产量、品质等预测提供基础数据。

本研究利用无人机获取可见光光谱范围内不同种类油菜越冬期冠层光谱数据，探索不同类型油菜越冬期生长发育状况实时定量监测方法，以有效降低田间管理及数据调查的人工投入等生产成本。

1.1 试验区域

试验地点位于湖南省长沙市芙蓉区湖南农业大学耘园基地(113°09′E，28°19′N)，每个小区5行，株行距30 cm×30 cm，随机选取其中60个不同品种油菜的小区(栽培密度相同)为图像数据采集区。

1.2 数据获取

1.2.1 无人机图像获取

选择晴朗无风的天气进行数据采集。于2021年11月19日12：00—14：00，利用湖南大智无疆智能科技有限公司的大疆悟2无人机(最大飞行速度为94 km/h，最大飞行时间25 min，最快采集速度100 ms)搭载高清相机(2 080万像素，最高可录制5.2 K视频)，通过遥控进行油菜地俯视拍照，无人机飞行高度为40 m。

1.2.2 油菜叶片 SPAD值测定方法

每个小区选取中等长势油菜5株，利用美国生产的SPAD-502型手持式叶绿素仪测量顶部功能叶片上、中、下3个叶位点SPAD值，并计算平均值作为该小区油菜SPAD值。从60个小区中采用3∶1划分数据集，随机抽取45个作为建模集，15个作为验证集。

1.3 数据统计处理方法

1.3.1 无人机影像预处理方法

本研究利用Matlab 2020a图像处理系统软件进行图像分析[13]。在 RGB模型中，如果R=G=B(R、G、B分别为可见光红色、绿色、蓝色通道的值)，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值[17]，灰度范围为0～255[18]。利用Matlab 2020a软件对图像进行灰度化处理，最后得到各个小区图像的R、G和B值。

1.3.2 图像颜色特征选择

本研究选择了与R、G和B值较相关的24个颜色指数用于无人机图像数据分析，包括可见光大气阻抗植被指数[VARI，VARI=(G-R)/(G+R-B)][17]、归一化差分指数[NDI，NDI=(G-R)/(G+R)][19]和超绿植被指数(ExG，ExG=2G-R-B)[19]等。图像颜色特征如表1。

1.3.3 数据分析

筛选与油菜SPAD值相关性显著的颜色特征，建立基于无人机的油菜叶片叶绿素反演模型，取不同小区油菜图像数据与SPAD值，代入模型进行验证，以确定模型准确度。

表1 图像颜色特征编号表

1.4 模型的构建与评价

基于60个样本的SPAD 值及优选出的图像颜色特征，分别采用BP神经网络(back propagation neural network，BPNN)、多元逐步回归 (multiple stepwise regression，MSR)、多元线性回归(multivariable linear regression，MLR)等方法构建油菜叶片SPAD值反演模型。本研究选用决定系数(coefficient of determination，R2)、均方根误差(Root Mean Squared Error，RMSE)和相对分析误差(the ratio of prediction to deviation，RPD)综合评价油菜SPAD值反演模型精度，模型的R2越接近1，相应的RMSE数值越小，RPD越大，则模型估算能力越好[20]。

2.1 试验区域样本油菜叶片SPAD值描述统计

60个油菜样本SPAD值为29.44～43.03，平均值为37.16，标准差为3.26，中间值为37.22。45个建模集的SPAD值为29.44～43.03，平均值为36.70，标准差为3.31，中间值为36.63。15个验证集SPAD值为33.66～43.03，平均值为38.54，标准差为2.77，中间值为40.82。可见，试验区域不同种类油菜叶片SPAD值有差异。建模集和验证集与全部样本描述统计结果相似，试验样本具有代表性。

2.2 油菜无人机图像颜色特征和油菜栽培指标相关性分析

采用SPSS软件进行无人机图像颜色特征和叶绿素含量的相关性分析，筛选油菜无人机图像颜色与油菜叶绿素相关性显著(P<0.05)特征的数据(表2)。B、G/R、G/B、G/(R+B)、(G-R)/B、(G-B)/R、(G-R)/(G+R)、(G-B)/(G+B)、(G-R)/(R+G+B)和(G-B)/(R+G+B)等10个颜色特征与SPAD值相关性较强，可用于建立SPAD模型。

表2 油菜叶片颜色特征与SPAD值相关性分析

2.3 模型构建

基于45个建模样本，以选取的10个颜色特征指数为自变量，SPAD值为因变量，分别采用多元逐步回归、多元线性回归、BP 神经网络构建SPAD值定量反演模型。由表3可看出，3种建模方法建立的油菜SPAD值反演模型的计算精度不同。其中BP神经网络模型建模精度决定系数R2为0.461，均方根误差RMSE为2.147，验证精度决定系数R2为0.367，均方根误差RMSE为2.012，相对分析误差为1.642。与多元线性和多元逐步回归模型相比，BP神经网络模型的R2最大，更接近1，RMSE数值最小，RPD值最大，因而该模型建模精度较高。利用建模集和验证集SPAD估测值与实测值数据对进行验证，并绘制实测值与估测值的关系图(图1、图2)。由图1、图2可知，SPAD估测值与实测值较接近，二者间趋势基本一致，说明该模型的稳定性较好，预测准确度较高。这与崔小涛[21]基于BP神经网络建立模型的研究结果一致。

表3 油菜SPAD反演模型

图1 BP神经网络建模集SPAD估测值与实测值拟合结果Fig.1 BP neural network fitting results of modeling set SPAD estimated values and actual measured values

图2 BP神经网络验证集SPAD估测值与实测值拟合结果Fig.2 BP neural network fitting results of the estimated and measured values of SPAD for the validation set

本研究中，SPAD值与B颜色特征呈显著负相关，与其他颜色特征呈显著正相关，这与纪伟帅等[22]研究结果不同，可能与物种和地域不同有关。BP神经网络模型相较于多元逐步回归模型和多元线性回归模型精度更高、更稳定，与前人研究一致[23-25]。越冬期是油菜生长的关键时期，杨婧[26]发现该时期油菜叶片光谱在绿光区域的反射率增加，蓝光和红光范围吸收谷面积增大，图像颜色能较好地预测叶绿素含量。魏青等[27]利用无人机多光谱影像监测越冬期小麦叶绿素含量，得到的回归模型可检测叶片SPAD值变化。目前基于无人机研究越冬期油菜的相关报道较少，本研究对越冬期油菜SPAD值、叶绿素含量及可见光光谱进行综合分析，并建立了可靠的监测模型，有助于更全面、便捷地了解油菜田间生长情况。

目前，油菜叶片SPAD值定量建模反演还没有统一的标准模型。本研究是针对湖南地区油菜叶片SPAD值的建模反演研究，虽然实测样本数量及模型精度有待进一步提高，但得到的模型仍能有效地反映油菜田间生长情况，表明该方法可用于油菜田间管理，因而在后续研究中将进一步加大样本量及采用不同地区种植的油菜，以提高监测模型的准确度和适应性。

本研究发现SPAD值与B颜色特征呈显著负相关，与其他颜色特征呈显著正相关。基于相关性分析选取了与油菜叶片SPAD值显著相关的B、G/R、G/B、G/(R+B)、(G-R)/B、(G-B)/R、(G-R)/(G+R)、(G-B)/(G+B)、(G-R)/(R+G+B)和(G-B)/(R+G+B)等10个颜色特征，分别采用BP神经网络、多元逐步回归、多元线性回归等方法构建油菜叶片SPAD反演模型，其中BP神经网络(BPNN)建模R2最高，RMSE最低，RPD最大，模型精度最佳，为本研究中的最佳分析方法。

猜你喜欢越冬反演油菜罗氏沼虾越冬养殖试验当代水产(2022年7期)2022-09-20反演对称变换在解决平面几何问题中的应用中等数学(2022年5期)2022-08-29基于ADS-B的风场反演与异常值影响研究成都信息工程大学学报(2021年5期)2021-12-30奶牛安全越冬要抓好防寒保温今日农业(2021年21期)2021-11-26油菜田间管理抓『四防』今日农业(2021年21期)2021-11-26油菜可以像水稻一样实现机插今日农业(2021年14期)2021-10-14利用锥模型反演CME三维参数空间科学学报(2021年4期)2021-08-30油菜“不务正业”，单产3.4吨今日农业(2021年7期)2021-07-28鱼类越冬综合症的发病原因及防治方法当代水产(2021年4期)2021-07-20一类麦比乌斯反演问题及其应用中等数学(2020年2期)2020-08-24