利用无人机高光谱成像和 ES-CNN 策略诊断油茶营养

摘要：油茶是我国重要的木本油料作物,其产量和品质受营养状况影响显著。传统的油茶营养诊断方法费时费力,且难以实 现大面积监测。本文旨在利用无人机(unmanned aerial vehicle, UAV)高光谱遥感技术,探索快速、无损、精准的油茶营养诊 断方法，为油茶精准施肥提供技术支撑。选择典型油茶种植区作为研究区域，利用无人机搭载高光谱成像仪获取油茶冠 层高光谱图像(hyper spectral image, HSI)，经面向对象分类提取了油茶冠层区域，并分别进行了基于GPS点位的光谱采样 (GPS sample, GS)和基于易康软件分类结果的光谱采样(ecognition sample,ES)。在经过主成分分析(principal com ponents analysis, PCA)降维处理后，利用卷积神经网络(convolutional neural network,CNN)算法，结合地面实测油茶叶片氮(N)、磷 (P)、钾(K)等关键营养元素含量并进行了精度评价。结果表明：油茶冠层光谱特征能够使其被精准提取。基于PCA 所得 主成分构建的油茶叶片营养元素含量估测模型具有较高的精度，能够有效地诊断油茶的营养状况。此外，由 ES 采样和 CNN结合的策略(ES-CNN)因采样数据更具代表性而有更高检测精度(N、P、K检测模型的R2分别是0.63、0.52、0.53,检 测结果的RMSE分别是0.11、13.07、7.78)。因此无人机高光谱成像技术和ES-CNN策略可以为油茶营养诊断提供一种快 速、无损、精准的新方法，可用于指导油茶精准施肥，提高油茶产量和品质，促进油茶产业可持续发展。

关键词：油茶；无人机；高光谱成像；营养诊断；主成分分析；卷积神经网络

期刊：绿色科技

DOI：10.16663/j.cnki.lskj.2024.22.004

设备：GaiaSky