《COMPUT ELECTRON AGR》--基于Cubert框幅式高光谱成像仪估算直立生长作物的地上生物量

点击上方蓝字关注我们

摘要

准确估算作物地上生物量（AGB）有助于作物生长监测和粮食产量预测。近年来，遥感技术在区域和地方尺度上被广泛用于AGB估算。然而，光学遥感光谱指数（SIs）在中等至高作物覆盖率下会出现饱和。结合遥感技术和统计回归模型的运用，并不是基于对作物叶片和茎干如何贡献于作物AGB的理解。这导致使用光学遥感测量茎干（例如，植物茎、小麦穗、玉米穗；简称为AGB_v）中的生物量存在困难。该研究旨在开发一种基于无人机（UAV）的直立生长作物AGB（VGC-AGB）模型。为提高AGB_v估算精度，研究定义了C_sm（g/m²）来描述作物茎干和生殖器官的平均干物质含量。作物叶面积指数（LAI，m²/m²）、叶干物质含量（C_m，g/m²）、高度（C_h，m）和密度（C_d，m^-2）被用于VGC-AGB估算中。VGC-AGB通过LAI×C_m（g/m²）计算作物叶AGB（AGB_l），并通过C_d×C_h×C_sm（g/m²）计算AGB_v。所提出的VGC-AGB（AGB=LAI×C_m+C_d×C_h×C_sm）利用冬小麦和夏玉米在三个生长阶段的田间和UAV高光谱数据进行了验证。结果表明，基于UAV的VGC-AGB（R²=0.92-0.93，RMSE=68.82-75.15 g/m²）优于基于遥感SIs和作物表面模型（CSMs）的统计回归模型（R²=0.77，RMSE=134.94 g/m²）。由此可见，基于无人机的VGC-AGB模型不仅有助于分析作物光合作用产物的转移过程，而且为实施高效、无损的作物地上生物量监测提供了强有力的技术支持。

高光谱数据：高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用框幅式高光谱成像技术，能以更快的速度进行所有光谱通道同步成像，在1/1000秒内获得整个高光谱立方体数据，配套功能强大的测量及处理软件，快速获取大面积高光谱图像，影像具有厘米级地理坐标信息。

研究过程

图2 直立生长作物示意图 (b、c分别为叶片和茎干)

表3 用于作物参数估计的遥感光谱反射率和指数

图4 VGC-AGB和LAE模型性能验证流程图

图5 三阶段（S1：拔节期、S2：抽穗期、S3：开花期）AGB₁与LAI（a）、AGB_v与AGB_l（b）、AGB_v与C_d（c）、AGB_v与C_h（d）、AGB_v与C_h×C_d（e）、AGB_v与C_h×C_d×C_sm（f）的散点图

图7 实测和估算夏玉米AGB关系图：（a）VGC-AGB-F1、（b）VGC-AGB-F2、（c）VGC-AGB-F3、（d）VGC-AGB-F4

图8 田间实测和基于CSMs估算的冬小麦高度关系

图9 实测和估算的冬小麦LAI、C_h、C_m和C_sm关系

图10 不同VGC-AGB策略和最佳LAE模型估算的冬小麦AGB与实测AGB的散点图

图12 (a)-(c) AGB_v与AGB_l的比率 (RVL)、(d)-(f) AGB_l估计误差、(g)-(i) AGB_v估计误差