多光谱无人机成像与机器学习技术在估算小麦氮营养指数中的应用

《Frontiers in Plant Science》:Multispectral UAV imaging and machine learning for estimating wheat nitrogen nutrition index

【字体: 大 中 小 】 时间:2025年12月15日 来源:Frontiers in Plant Science 4.8

编辑推荐:

  小麦氮营养指数(NNI)监测模型构建及农艺因子影响研究。采用无人机多光谱遥感技术,结合贝叶斯优化随机森林模型和双重特征筛选方法(Pearson相关与随机森林特征重要性),系统分析了不同种植密度(P1-P3)和氮肥施用量(N1-N3)对NNI的影响规律。研究构建了适用于春小麦全生育周期的NNI估算模型,最佳模型在N2(210 kg/hm2)和P1(1百万株/hm2)条件下表现最优,R2达0.785,RMSE为0.137。筛选出DVI、MDD、NGI等7个稳健植被指数,揭示种植密度与氮肥互作效应显著,NNI随密度增加先升后降,氮肥过量导致模型精度下降。

  
该研究围绕春小麦氮营养指数(NNI)的估算方法及其与种植密度和氮肥用量的关系展开,通过无人机多光谱遥感技术结合机器学习模型,系统揭示了农艺措施对氮营养诊断的影响机制。研究采用三因素三水平全因子实验设计,以Jinqiang11、Jinqiang9和Longchun23三个高抗倒伏、优质高产品种为对象,在河南宜阳数字农业产业园开展试验,设置氮肥施用量(N1=150kg/hm2、N2=210kg/hm2、N3=270kg/hm2)和种植密度(P1=1百万株/hm2、P2=1.6百万株/hm2、P3=2.2百万株/hm2)两个主要变量,采集四个关键生育期(出苗期、拔节期、抽穗期、灌浆期)的多光谱影像及田间样本数据。研究团队创新性地将植被指数筛选与贝叶斯优化随机森林模型结合,构建了具有区域适应性的氮营养诊断体系,为精准施肥提供技术支撑。

在数据采集方面,采用DJI P4M多光谱无人机在晴朗无风天气进行高空观测(30米航高,80%重叠率),通过标准板辐射校正消除光照变化影响。田间同步采集地上生物量及植物氮浓度(凯氏定氮法),计算NNI值(公式:NNI=植物氮浓度/临界氮浓度)。通过ENVI软件进行几何校正和ROI区域提取,最终获得315个有效样本的冠层光谱特征。

植被指数筛选阶段采用双重验证机制:首先通过Pearson相关系数(|r|≥0.3定义为显著相关)初筛23个候选指数,结合随机森林特征重要性分析(基于平均递减不确定性),最终保留3-23个核心指标。研究发现,NDVI、MDD、NGI等7个指数在多项性检验中表现突出(p<0.01),其中MDD在出苗期相关系数达0.847,NDVI在抽穗期达0.716,显示出阶段特异性特征。

模型构建采用贝叶斯优化随机森林(BO-RF),通过动态调整决策树深度(minTree=5-200)、节点分裂样本数(minLS=1-20)和特征重要性阈值(numPTs=1-n-1),在P1密度与N2氮量组合下获得最优性能(R2=0.785,RMSE=0.137)。值得注意的是,当种植密度超过1.6百万株/hm2时,冠层结构复杂化导致模型精度下降,这可能与光竞争加剧和土壤氮素稀释效应有关。

研究揭示了种植密度与氮肥用量对NNI的耦合影响规律:在相同氮量下,密度增加初期(P1→P2)NNI提升显著(部分处理增幅达41.74%),但超过P2后(P3)因群体光竞争加剧和土壤氮素无效利用,NNI呈现先升后降趋势。而氮肥用量增加对NNI的影响呈现非线性特征,N2水平下模型性能最优,N3过量施氮导致模型R2下降23.6%。这种差异可能与过量氮肥引发的次生效应有关,如叶片徒长( chlorosis)和旗叶氮素转运受阻。

植被指数筛选结果显示MEVI、DVI、NDVI等具有光谱冗余性低的特性,其重要值在出苗期达0.422,抽穗期达0.128,且在P1密度和N2氮量组合下贡献度最高(>0.15)。这与红边波段(730nm)对叶绿素敏感的物理特性相符,同时近红外波段(840nm)对生物量的高敏感性(r=0.530)也验证了其核心地位。

模型验证表明,采用特征重要性筛选的植被指数(如MDD、NGI)相比单纯相关性筛选的模型(如EVI),在RMSE上平均降低18.7%,尤其在灌浆期表现更为显著(MAE降低22.3%)。这表明随机森林算法能有效捕捉非线性关系,例如MEVI在低密度种植时与NNI的U型响应关系(相关系数波动范围0.358-0.530)。

田间试验数据显示,在P2密度与N2氮量组合下,NNI值达到峰值(0.892),较P1/N1组合提高34.2%。这种耦合效应在品种间存在显著差异:Jinqiang系列品种在P2密度下表现更优(R2=0.716),而Longchun23品种在P3密度下可能因群体透光率不足(<45%)导致模型失效。这提示不同品种的冠层结构差异会影响植被指数的选择。

研究创新性地提出"密度-氮量"交互效应评估框架,通过方差分析(F检验)发现:在抽穗期,P3/N3组合的NNI值较P1/N1下降12.7%,且交互作用达显著水平(p=0.003)。这种负向调节机制可能源于高密度种植下氮素利用效率下降(降幅达18.4%)与过量施氮导致的奢侈生长(减产风险增加23.1%)的共同作用。

应用价值方面,建立的BO-RF模型在P1/N2组合下可识别0.137%的NNI差异,相当于精确调控氮肥用量在±1.5kg/hm2范围内。田间验证显示,该模型指导的精准施肥使氮肥利用率从传统方法的41.2%提升至58.7%,同时减少硝态氮淋失量达31.5%。在P3种植密度下,模型仍能保持R2>0.5的预警能力,为高密度种植的氮素管理提供技术参考。

未来研究方向建议:(1)开发多时相指数组合,如将MEVI与NDVI比值纳入模型,提升灌浆期诊断精度;(2)建立品种特异性植被指数库,针对Longchun23等弱光敏感品种优化特征选择;(3)扩展验证区域,对比黄淮海平原与西北旱区的模型适用性差异。该研究为智能农机装备(如无人播种机与变量施肥机)的算法优化提供了理论依据,特别在春小麦氮素管理中具有重要实践价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号