基于S185机载高光谱成像仪及光谱指数的冬小麦叶片氮含量反演研究

英文名称：UAV-based hyperspectral analysis and spectral indices constructing for quantitatively monitoring leaf nitrogen content of winter wheat

北京农业信息技术研究中心/山东科技大学地质学院

本文以S185机载高速高光谱成像数据为实例，通过对无人机（UAV）高光谱数据和地面实测高光谱数据进行对比分析，发现无人机高光谱数据具有较高的辐射分辨率和光谱质量，总结出可以利用基于UAV的高光谱数据对LNC进行定量反演。本研究首先采用一阶微分光谱法、连续介质去除反射率法和基于谱带相关预测阈值法提取了冬小麦LNC敏感的典型特征波段。对三种表征谱带进行比较分析，结果表明基于谱带相关预测阈值法的结果是最优的。然后在表征出具有代表性的频带重构结果的基础上，通过比值法、差分法和归一化法建立了多个LNC光谱指数(LNCSI)，并利用LNCSIs建立线性回归统计模型对LNC进行定量模拟。最后，通过对LNCSIs和LNC反演值的综合比较分析，验证了LNCSIs对冬小麦LNC进行定量反演的有效性。

图1 实验区域分布图

图2 挑旗期高光谱数据彩色合成图

图3 开花期高光谱数据彩色合成图

表1 2015年部分地面测量LNC值

表2 研究区LNC(%)统计

图4 LNC特征光谱波段选择的流程图

表3 LNC光谱指数公式

图5 基于UAV的高光谱数据与地面测量的高光谱数据之间的相关性

图6 冬小麦冠层不同LNC的反射率光谱

图7 冬小麦挑旗期LNC与反射率光谱的关系

图8 冬小麦开花期LNC与反射率光谱的关系

表4 光谱波段选择结果及定量模型参数一览表

表5 高光谱波段降维和典型波段选择结果

表6 建立LNCSIs及LNC建模系数

表7 氮元素光谱指标及模拟结果

表8 NSI和LNCSI建模结果

图9 挑旗期LNC的S185高光谱遥感反演图

图10 开花期LNC的S185高光谱遥感反演图

图11 不同生长期模型的精度检验：(a)挑旗期(b)开花期

结论：

无人机遥感是目前卫星和航空遥感的重要补充，已成为获取高分辨率空间数据的重要手段，可应用于农业、地质和环境监测等诸多领域。近年来，随着高光谱图像技术的快速发展和应用，基于UAV的高光谱遥感成为研究热点，譬如其在农业领域就得到了广泛的研究和应用。此次研究结果表明，基于UAV的高光谱遥感方法能较好地检测作物养分，本文所使用的S185机载高速高光谱成像仪，兼顾观测成本和农业遥感的测量精度，为精确施肥提供了主要的科学依据。

原文链接：https://www.osapublishing.org/ao/abstract.cfm?uri=ao-57-27-7722