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


在不同氮肥處理下，不同冬小麥品種的主要生育期(拔節期、孕穗期和灌漿期)，同時獲得無人機高光譜圖像數據、分析光譜設備（ASD）數據和葉面積指數（LAI）。采用一階導數（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據中提取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（LAI）估計模型。



結果表明，無人機與ASD高光譜數據的相關系數大于0.99，表明無人機數據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波段略有不同。采用CARS_SPA算法選取9個連續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(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