基于无人机高光谱影像的水稻叶片SPAD值反演方法研究

摘要

[目的]通过无人机高光谱影像实现对水稻叶绿素含量高效、无损监测是现代化精准农业发展的重要手段。研究水稻叶片原始光谱的不同预处理方法及其组合，构建不同光谱参数进行模型反演，得到研究区水稻叶片SPAD值的最佳反演模型，可为高效无损监测水稻叶绿素含量提供参考。[方法]以四川省成都市青白江区姚渡镇水稻种植区的水稻为研究对象，分别测定其叶片SPAD值和500～900 nm范围内的高光谱反射率，对原始反射率进行一阶微分（D1）、Savitzky-Golay卷积平滑（SG平滑）、标准正态变换（SNV）和多元散射校正（MSC）及其组合的预处理方式，通过相关系数筛选出p<0.1的特征波段作为第1种光谱参数，在特征波段的基础上进行主成分分析（PCA）降维，将得到的主成分作为第2种光谱参数。将2种参数分别作为Extra Trees模型的输入变量，建立研究区水稻SPAD值的反演模型。[结果]相比于利用相关系数筛选的特征波段所建的模型，通过PCA对特征波段进行降维，得到的光谱参数建模精度更高，其中，ET＿D1和ET＿SG＿MSC的R2分别由0.769和0.782增加到0.793和0.825，提升幅度为3%和5.5%;ET＿SG＿SNV的R2由0.754增加到0.796，提升幅度为5.6%；模型ET＿PCA＿特征＿SG＿MSC精度最高，R2和RMSE分别为0.825和0.984，是研究区水稻SPAD值的最佳反演模型。[结论]研究结果可为实现高效、精准的水稻叶片叶绿素含量监测提供参考及依据。

关键词

水稻 / 叶绿素 / 高光谱 / 相关系数 / 主成分分析 / Extra Tress