基于无人机载高光谱成像结合机器学习算法的新疆野苹果冠层叶绿素含量估算

摘要

【目的】探究无人机（UAV）高光谱在自然分布区进行新疆野苹果（Malus sieversii）冠层叶绿素含量（SPAD）无损快速反演，解决传统监测方法监测新疆野苹果冠层叶绿素含量效率低、成本高、难以大面积推广应用的难点问题。【方法】以新疆野苹果的落花期为研究时段，获取冠层高光谱遥感影像，采用卷积平滑（SG）、多元散射校正（MSC）、标准正态变换（SNV）、移动平均平滑（MA）及一阶导数变换（D1）进行光谱预处理，系统构建任意两波段组合的差值光谱指数（DSI）、比值光谱指数（RSI）、归一化光谱指数（NDSI），并采用随机森林回归（RFR）、XGBoost、梯度优化决策树（GBDT）、K最近邻回归（KNN）4种机器学习方法，分别构建叶绿素含量（SPAD值）反演模型。【结果】（1）SG-D1预处理对噪声有较好的降噪和光谱增强效果，光谱特征化处理效果较好，MA-DA-NDSI（580.43,447.92）与SPAD值相关系数较高（r=0.75,P<0.01），敏感波为红边区和近红外平台区；（2）RFR效果较好，SG-D1-RFR模型在测试集上的精度为R²=0.818,RMSE=2.419，较GBDT、KNN精度提高了16.5%以上；（3）基于最优模型获得的研究区野苹果冠层SPAD空间分布图显示，冠层叶绿素含量在研究区空间分布为东南高、西北低。【结论】本文基于无人机高光谱数据，并结合机器学习方法对新疆野苹果冠层叶绿素含量进行反演，为新疆野苹果资源精准调查、保护和管理提供了技术支撑。

关键词

新疆野苹果 / 机器学习 / 冠层叶绿素 / 无人机高光谱 / 植被指数

基金资助

伊犁哈萨克自治州重点研究与技术开发专项（YZD2024A04）; 伊犁师范大学提升学科综合实力专项自科重点项目（22XKZZ01）