北京农业信息技术研究中心
国家农业信息化工程技术研究中心
南京农业大学大豆研究所/国家大豆改良中心
大豆是世界上最重要的粮食作物之一，最常用来做豆制品、榨取豆油、酿造酱油和提取蛋白质。而近年来，中国的大豆进口量逐年增加，从侧面反映了中国的大豆目前仍具有较大的高产潜力。利用高光谱技术可以进行作物生长监测和产量估测，为实现简单、快速、高效和无损地估产及监测作物生长提供了有效的途径。
为探讨无人机载高光谱空间尺度对大豆产量预测精度的影响，以山东嘉祥圣丰大豆为研究对象，设计以多旋翼无人机为平台搭载 Cubert UHD185（其详细技术参数见表1） 成像高光谱传感器的无人机遥感农情监测系统，光谱垂直向下测量，并获取了大豆多个生育期的无人机高光谱数据。
表1 UHD185技术参数
|
指标 |
参数 |
|
型号Model |
UHD185 |
|
品牌Brand |
Cubert |
|
质量Weight |
470g |
|
产地Orgin |
德国 |
|
成像速度Imaging speed |
每秒可拍摄5个高光谱图像立方体 |
|
光谱通道Number of channels |
125个 |
|
采样间隔Spectral samping |
4nm |
|
视场角Field of view |
20° |
|
光谱覆盖范围Wavelength range |
450~950nm |
|
光谱分辨率Spectral resolution |
8nm@532nm |
|
数据Data |
全色和高光谱影像 |
利用 Cubert-Pilot 软件对每张高光谱图像和同时采集的相应全色图像进行融合，得到融合后的高光谱影像；其次使用Agisoft PhotoScan软件，借助全色图像的点云数据完成高光谱图像的拼接。以小区几何中心为中心，由拼接好的高光谱影像提取冠层光谱反射率。如图1所示为得到每个小区 21 个不同空间尺度梯度所对应的冠层光谱反射率，可以看出不同空间采样面积所对应的冠层光谱反射率在可见光波段无明显差异，但在近红外区域的差异较为明显提取冠层光谱反射率。
图1 21个不同采样面积所对应的冠层光谱反射率
在已有研究成果基础上， 本文选取 4 种植被指数建立大豆产量与无人机成像高光谱遥感监测模型，植被指数计算方法如表2所示。
表2 植被指数计算公式
基于 21 组空间尺度范围下的大豆冠层高光谱数据分别与实测产量建立 PLSR 回归方程， 对比不同空间尺度下的模型预测精度，进而确定最优空间尺度。产量和 4 个植被指数的 PLSR 模型相关系数 r 随空间尺度面积的变化趋势曲线见图 2所示。相关系数 r 介于 0.795～0.812 之间，大豆冠层光谱植被指数与大豆产量极显著相关，在空间取样面积小于 8 m2 时，建模精度随着空间取样面积逐渐增大而增大，且随着取样面积的增大，建模精度逐渐趋于平缓，当光谱取样面积大于 10.13 m2后，建模精度随取样面积的增大而减小。光谱空间尺度为 4.25 m×2.125m和4.5 m×2.25 m时，即9.03和10.13 m2时，相关系数r达到最大值，最大相关系数约为 0.8117。可见，在基于无人机高光谱影像辅助大豆估产研究时，所取光谱的空间范围长、宽与小区总长、宽之间的比例应该介于 4.25:5 和 4.5:5，这样不仅能够有效降低小区周围土壤背景噪声和边缘阴影光谱的影响，又能够避免大豆冠层信息的缺失。
图2 产量和4个植被指数的PLSR模型相关系数和RMSE随空间采样窗口面积的变化曲线
以4.5×2.25m为空间取样范围提取的冠层光谱为最终光谱，建立产量和植被指数之间的PLSR模型，实际产量和预测产量的散点分布如图3所示。所建立大豆估产模型为：
产量=68.8GNDVI+79.2NDVI+26.2RVI+293.7MSAVI2-227.87
使用无人机遥感平台进行大豆估产，对实现大规模大豆产量高通量快速获取具有重要意义，能够帮助育种学家快速筛选大豆优良品种。本研究基于无人机 UHD185 光谱成像仪获取的大豆不同时期的冠层光谱对最优空间尺度进行了分析， 结果表明，基于不同空间尺度计算的波谱数据在近红外波段差异较大，且品系间各植被指数在不同空间尺度处的显著性差异水平不同。基于原始高光谱图像的空间分辨率计算各空间取样面积处的光谱信息，进而对空间尺度进行优化选择，在未来的研究中，可以对最优空间取样面积下的光谱进行重采样处理，分析不同分辨率下光谱对大豆估产的影响。同时也可考虑基于不同试验条件下的不同作物，探索无人机高光谱影像的空间尺度规律。另外，高光谱具有较高的光谱分辨率，可针对波谱信息进行深入分析对光谱空间尺度进行优化选择。
注：由于Cubert厂家2016年产品升级， UHD185已更名为S185。
