农业机械学报

作者：杨宝城，鲁向晖，张海娜，王倩，陈志琪，张杰

单位：南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院,南昌工程学院;江西省鄱阳湖流域生态水利技术创新中心,

关键词：矮林芳樟;叶片含水率;叶水势;无人机;多光谱;飞行高度

基金：国家自然科学基金项目（52269013、32060333）、江西省自然科学基金面上项目（20232BAB205031）、江西省主要学科学术和技术带头人培养计划青年项目（20204BCJL23046）、江西省科技厅重大科技专项（20203ABC28W016-01-04）和江西省林业局樟树研究专项（202007-01-04）

叶片含水率和叶水势反映植物组织中水分的状态，是衡量植物水分供应和水分利用效率的重要指标。为探究基于不同高度下无人机多光谱影像反演叶片含水率和叶水势模型的差异，本研究在3个飞行高度处理F30、F60、F100 (30、60、100m)下采集多光谱影像数据，通过使用6种光谱反射率+经验植被指数的组合与地面实测数据进行相关性分析，获得不同飞行高度下的光谱反射率+经验植被指数组合与叶片含水率和叶水势的反演模型及其决定系数，以决定系数为依据分别构建支持向量机（SVM）、随机森林（RF）和径向基神经网络（RBFNN）模型，分析不同飞行高度无人机多光谱影像反演芳樟叶片含水率和叶水势的精度。结果发现：3个飞行高度下，基于RF模型的反演精度均高于SVM模型和RBFNN模型。F30处理对叶片含水率与叶水势反演效果均优于F60和F100处理。F30处理对叶片含水率反演的敏感光谱反射率+植被指数组合为红光波段反射率（R）、红边1波段反射率（RE1）、红边2波段反射率（RE2）、近红外波段反射率（NIR）、增强型植被指数（EVI）、土壤调节植被指数（SAVI）。RF模型训练集的R2、RMSE、MRE分别为0.845、0.548%、0.712%；测试集的R2、RMSE、MRE分别为0.832、0.683%、0?897%。对叶水势反演的敏感光谱反射率+植被指数组合为R、RE2、NIR、EVI、SAVI、花青素反射指数（ARI）。RF模型训练集的R2、RMSE、MRE分别为0.814、0.073MPa、3.550%；测试集的R2?、RMSE、MRE分别为0.806、0.095MPa、4.250%。研究结果表明飞行高度30m与RF方法分别为反演叶片含水率和叶水势的最优光谱获取高度与最优模型构建方法。本研究可为基于无人机平台的矮林芳樟水分监测提供技术支持，并可为筛选无人机多光谱波段与经验植被指数、实现植物长势参数快速估测提供应用参考。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期