基于无人机多光谱影像的油茶冠层氮磷钾含量估算模型

摘要

【目的】基于无人机多光谱影像构建油茶冠层氮、磷、钾含量诊断模型，为油茶施肥管理提供参考。【方法】以广东省河源市的美林湖油茶样地为研究对象，基于成熟油茶叶片的氮、磷、钾含量和无人机多光谱影像（Yunsense MS600V2多光谱传感器），选取39个植被指数，采用竞争适应性重加权采样（CARS）选择特征植被指数，构建氮、磷、钾含量估算的极限学习机（ELM）、岭回归（RR）和偏最小二乘法（PLSR）模型，并采用留一交叉验证法，以均方根误差（RMSE）、相对均方根误差（RRMSE）、决定系数（R²）以及估算结果的空间分布和数值分布评价模型精度。【结果】CARS选择结果显示，油茶冠层N含量估算的特征植被指数有9个，分别为EXB、TGI、BNDVI、ENDVI、DATT₇₅₀、NDREI、RECI、SCCCI₇₅₀、TVI;P含量估算的特征植被指数有7个，分别为EXB、TGI、ENDVI、GNDVI、NDVI、MCARI₇₅₀、TVI;K含量估算的特征植被指数有6个，分别为IKAW、TGI、VARI、NDVI、NDRE、RECI₇₅₀；油茶冠层N含量估算模型RR和PLSR的R和0.669)虽略低于ELM模型（0.679），但其RRMSE分别为5.08%和5.23%，低于ELM的5.53%，且以RR模型估算结果的平均值、标准差和范围更接近于野外实测数据；油茶冠层P和K含量估算模型中，RR模型的估算结果平均值、标准差和范围更接近野外实测数据，估算效果优于PLSR和ELM模型。【结论】基于无人机多光谱影像，并结合CARS选择特征植被指数和RR模型，可实现油茶冠层氮磷钾含量低成本、高频率、高效率的无损快速诊断，为油茶施肥管理和提高产量提供了有效的技术支持。

关键词

油茶 / 冠层氮磷钾含量 / 无人机 / 多光谱影像 / 营养诊断