葉綠素直觀反映作物的生長狀態(tài)，其含量與植被脅迫、光合作用能力以及健康狀況密切相關,，很大程度決定了作物的產量,。及時準確地估算葉綠素含量有助于發(fā)現(xiàn)葉片缺素癥狀，從而避免作物減產,。無人機遙感技術以其高時空分辨率,、低干擾及使用簡便靈活的優(yōu)點，彌補了現(xiàn)有農業(yè)監(jiān)測技術的缺陷,，被廣泛用于監(jiān)測大田作物的氮素含量,、葉綠素、葉面積指數(shù)等生理生化指標,。
河北農業(yè)大學張愛軍教授團隊在河北省保定市順平縣耕耘農機服務專業(yè)合作社(115°08'19''E,，38°46'59''N) ，設計了6 個谷子試驗區(qū),，并對試驗區(qū)進行氮肥梯度處理,。分別在試驗區(qū)的拔節(jié)期(8月11日) 、抽穗期(8月21日) ,、灌漿期(9月10日) ,、成熟期(9月28日) ，利用大疆公司經緯M600 Pro無人機搭載Gaiasky mini2－VN 高光譜相機（江蘇雙利合譜公司）對谷子冠層的光譜進行采集,，無人機飛行高度為200m,，測量時段為10:00—14:00，天氣均為晴朗無風,。與光譜測量同步,，使用日本柯尼卡美能達公司葉綠素儀( SPAD－502) 測定樣點附近5 株植株的葉綠素含量，每片葉子均勻測量3 次,，取平均值作為樣本的葉綠素含量,，實現(xiàn)與葉片光譜數(shù)據(jù)的一一對應。
選取相關系數(shù)最大的波段構建一元函數(shù)模型（指數(shù)函數(shù),、一元線性函數(shù),、對數(shù)函數(shù)、多項式以及冪函數(shù)）,，選擇其中最you的函數(shù)模型作為葉綠素含量的一元線性回歸模型,。基于光譜曲線,，計算植被指數(shù)及三邊參數(shù),，如表1所示,，并建立相應的擬合方程,。
本研究構建了一個輸入層,、一個輸出層,、五個隱含神經元、一個輸出所構成的BP神經網(wǎng)絡進行訓練,。BP神經網(wǎng)絡算法的參數(shù),，如表2所示。針對各時期108組谷子葉片樣本,，利用神經網(wǎng)絡建立葉綠素估算模型,，選取各個時期的入選植被指數(shù)作為輸入層，以谷子葉片的葉綠素值作為輸出層,。
表1 基于光譜曲線構建的植被指數(shù)和三邊參數(shù)
表2 BP神經網(wǎng)絡算法參數(shù)
谷子葉片葉綠素含量在不同生育期呈先增加后減少的趨勢,，最大值出現(xiàn)在抽穗期，約為66.40,。谷子葉片的光譜反射率變化趨勢基本一致,，而光譜反射率隨著葉綠素的增加呈現(xiàn)出降低的趨勢。近紅外波段的光譜一階導數(shù)可以顯著地增強紅邊波段,，紅邊波段的一階導數(shù)光譜是整個波段范圍的最大值,，對應為反射率在600～800 nm的強吸收效應。谷子葉片反射光譜及一階導光譜如圖1所示,。
圖1 谷子葉片不同SPAD 值下的光譜反射率
如表3所示,，在不同生育期，分別基于一次線性,、二次非線性,、指數(shù)及對數(shù)形式構建各因子與葉綠素含量的對應關系。在拔節(jié)期和抽穗期NDVI與葉綠素含量有較好的對應關系（R2 ＞ 0.52）,，估算值也具有最小的殘差（RMSE < 2.28）,。在灌漿期和成熟期，RENDVI,、PSSRc則分別對葉綠素含量估算有較好的適用性,。其中,，NDVI的二次非線性,、一次線性模型分別在拔節(jié)期和抽穗期表現(xiàn)良好；RENDVI,、PSSRc則分別以一次線性及指數(shù)形式出現(xiàn)在灌漿期和成熟期,。
表3 基于光譜指數(shù)的谷子葉片葉綠素含量預測模型
基于高相關的光譜特征參數(shù)NDVI、GNDVI,、PSNDa,、PSSRc、RENDVI及Dy構建了谷子葉片葉綠素含量PLSR預測模型（表5）,。PLSR模型的Q2均高于0.56,，對因變量的解釋程度一般，R2均在0.6以上，而預測集的R2在0.55~0.71之間,，其RMSECV在1.41~2.66之間,。在拔節(jié)期，PLSR模型的第一主成分對葉綠素變化的解釋能力為67.8%,，加入第二,、三主成分解釋能力增加到82.7%、95.8%,；抽穗期,、灌漿期和成熟期PLSR模型對葉綠素的總解釋能力分別為63.1%、84.5%和84.7%,。PLSR預測模型精度整體上是優(yōu)于單變量模型的,。
表5 谷子葉片葉綠素值與敏感光譜指數(shù)的PLSR模型
表6列出了基于6個光譜參數(shù)構建的BP神經模型精度。從建模集來看,，4個時期的模型決定系數(shù)均大于0.84,，模型的穩(wěn)定性較高，其中模型在灌漿期達到最佳估測精度,，建模集R2達到了0.96,，而RMSE最di，說明該時期的模型穩(wěn)定性和預測能力較好,。從圖2可以看出,，相比于傳統(tǒng)的一元模型，利用BP神經網(wǎng)絡對谷子葉片的SPAD值估測具有較高的精度,，4個時期的預測精度均在0.66以上,。綜合比較，相較于偏最小二乘回歸模型與一元線性模型,，利用BP神經網(wǎng)絡建模效果最jia,。
表6 不同時期的BP神經網(wǎng)絡模型精度
圖2 谷子各時期光譜反射率BP神經網(wǎng)絡模型測試集SPAD值預測結果
通訊作者信息
張愛軍，河北省山區(qū)研究所研究員,，博士生導師,。
主要研究方向：植物營養(yǎng)生態(tài)與數(shù)字農業(yè)。
參考文獻：
彭曉偉, 張愛軍, 楊曉楠,等. 谷子葉綠素含量高光譜特征分析及其反演模型構建[J]. 干旱地區(qū)農業(yè)研究, 2022(002):040.
Doi: 10.7606/j.issn.1000-7601.2022.02.09
8
立即詢價
您提交后,，專屬客服將第一時間為您服務