利用無人機（UAV）高光譜圖像準確估算冬小麥葉面積指數(shù)（LAI），對于作物生長監(jiān)測，施肥管理和精密農(nóng)業(yè)的發(fā)展至關重要。


在不同氮肥處理下，不同冬小麥品種的主要生育期(拔節(jié)期、孕穗期和灌漿期)，同時獲得無人機高光譜圖像數(shù)據(jù)、分析光譜設備（ASD）數(shù)據(jù)和葉面積指數(shù)（LAI）。采用一階導數(shù)（FD）、逐次投影算法（SPA）、競爭性自適應加權采樣（CARS）和競爭性自適應加權采樣結合逐次投影算法（CARS-SPA）等算法從無人機高光譜數(shù)據(jù)中提取LAI相關特征波段。此外，采用偏最小二乘回歸(PLSR)、支持向量機回歸(SVR)和極端梯度增強(Xgboost)三種建模機器學習方法建立葉面積指數(shù)（LAI）估計模型。



結果表明，無人機與ASD高光譜數(shù)據(jù)的相關系數(shù)大于0.99，表明無人機數(shù)據(jù)可以用于小麥生長信息的估計。在本研究建立的15個模型中，通過不同算法選擇的葉面積指數(shù)波段略有不同。采用CARS_SPA算法選取9個連續(xù)特征頻帶作為輸入的Xgboost模型性能最佳。該模型對校準集和驗證集的測定系數(shù)(0.89)結果一致，表明該模型具有很高的準確性。

將Xgboost建模方法與CARS_SPA算法相結合，可以減少輸入變量，提高模型操作效率。研究結果為無人機無損快速估算冬小麥葉面積指數(shù)提供了參考和技術支持。

來源：Plant Methods.Leaf area index estimation model for UAV image hyperspectral data based on wavelength variable selection and machine learning methods.Juanjuan Zhang,Tao Cheng,Wei Guo,Xin Xu,Hongbo Qiao,Yimin Xie&Xinming Ma
原文鏈接：https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00750-5