《Scientific Reports》:Assessing the feasibility of up-scaling grapevine physiological trait estimation using multispectral UAV imagery
编辑推荐:
可扩展的葡萄藤生理评估对精准葡萄栽培(precision viticulture)具有意义,但直接生理测量劳动密集且具有叶片特异性。该研究评估了为叶级高光谱测量开发的机器学习框架能否应用于无人机(unmanned aerial vehicles, UAV)获取
可扩展的葡萄藤生理评估对精准葡萄栽培(precision viticulture)具有意义,但直接生理测量劳动密集且具有叶片特异性。该研究评估了为叶级高光谱测量开发的机器学习框架能否应用于无人机(unmanned aerial vehicles, UAV)获取的多光谱影像。研究人员将2024年和2025年的原位高光谱观测合并,并限制在350至1000 nm的可见与近红外(visible and near-infrared, VNIR)范围,以匹配常用UAV光谱覆盖范围,并评估多时相性能和光谱重采样(spectral resampling)。对2025年UAV获取的多光谱观测,分析了日照、遮阴和组合冠层提取策略(canopy extraction strategies)。一阶导数预处理(first-derivative preprocessing)提高了原位性能,净同化速率(net assimilation rate, A)的最佳R2为0.811,电子传递速率(electron transport rate, ETR)为0.792,光系统II有效量子产额(effective quantum yield of photosystem II, ΦPSII)为0.890。中等程度的光谱重采样对A和ETR造成有限性能损失。基于UAV的模型对A的R2最高达0.765,对ETR为0.768,对ΦPSII为0.901。相对于日照观测,遮阴和组合观测改善了A和ETR预测,而ΦPSII在各提取策略下保持稳健。植物分组验证(plant-grouped validation)支持对未见葡萄藤的泛化,而留一日期验证(leave-one-date-out validation)未能证明对未见测量日期的稳健泛化,突出表明时间泛化是基于UAV方法的关键限制。
研究背景与问题:气候变化导致温度升高、降水格局改变和干旱事件增多,对葡萄藤生产力与果实品质构成挑战;水分可利用性成为许多葡萄产区的限制因子,及时评估葡萄藤生理状态对灌溉管理和气候适应具有重要意义。净同化速率(net assimilation rate, A)和叶绿素荧光等生理指标可直接反映植物功能与胁迫响应,但通常依赖叶片尺度、劳动密集的田间测量,限制其在葡萄园运营性监测中的应用。UAV(unmanned aerial vehicles,无人机)遥感具有灵活性、高空间分辨率和较低运行成本,已用于冠层表征、长势、产量、病害和水分胁迫监测;高光谱可获取详细光谱并估算生理与光合参数,但高维冗余、计算与存储需求大,且机载高光谱传感器标定和处理复杂,限制重复田块尺度监测。多光谱UAV仅提供有限宽波段,因此需要判断生理监测相关光谱信息是否必须依赖窄波段高光谱,还是可由降波段多光谱捕获。已有机器学习方法用于光谱与植物生理性状建模,叶级高光谱研究显示机器学习回归结合一阶导数反射率(first derivative of reflectance, FDR)预处理可估算葡萄藤生理性状,并在中等光谱重采样下较稳定,但该框架仅基于单生长季叶级原位高光谱数据,能否迁移到UAV多光谱观测及跨生长季合并数据条件尚不清楚。因此,研究人员评估既有叶级框架向UAV多光谱影像迁移的可行性,以支持未来空间升尺度;分别利用合并的2024—2025原位高光谱数据评估多时相获取和光谱重采样对A、ETR和Φ
PSII估算的影响,并利用2025年UAV多光谱数据独立训练和评估生理性状估算及不同冠层提取策略的影响,且不在地面与机载数据集之间转移已拟合模型。研究结论表明,UAV多光谱在观测级留出和植物分组验证下具有预测能力,但留一日期验证未证明对未见测量日期的稳健泛化;冠层提取策略影响A和ETR预测,Φ
PSII较稳健。其意义在于为叶级生理信息向空间显式葡萄园监测升尺度提供经验证据,同时指出时间泛化是UAV方法应用的关键限制。
主要关键技术方法:研究队列来自德国Himmelstadt、由巴伐利亚州葡萄栽培与园艺研究所(LWG)运营的实验葡萄园,品种为Müller-Thurgau,设非灌溉、中度灌溉和强度灌溉三种处理,共36株监测葡萄;2024年获得180组配对生理—叶级高光谱观测,2025年获得180组生理观测并配对180组UAV多光谱观测;2025年7—8月开展5次UAV飞行,采用DJI Matrice 300 RTK与Agrowing Quad V1十波段系统(430—850 nm);地面用LI-6800测A、ETR和Φ
PSII,用PSR+ 3500测叶片反射并限制于VNIR 350—1000 nm;进行5、10、25、50、100 nm光谱重采样和FDR预处理;比较7种回归模型及带直通参数的堆叠回归器(pass-through enabled stacking regressor, SR-PT)等集成框架,并采用80/20划分、植物分组嵌套交叉验证(plant-grouped nested cross-validation)和留一日期验证(leave-one-date-out validation)。
研究结果:
生理参数评估(Evaluation of physiological parameters):基于2025年生长季生理观测,A范围为3.6—26.3 μmol m
?2 s
?1,ETR为31.6—191.8 μmol e m
?2 s
?1,Φ
PSII为0.10—0.68;A和ETR在7月中旬较低、8月初较高后略降,Φ
PSII持续下降;非灌溉处理在后期趋于较低A和Φ
PSII,处理间差异总体中等。
合并2024—2025原位高光谱数据集的模型性能(Model performance of the combined 2024–2025 in situ hyperspectral dataset):基于合并数据集1 nm光谱建模,FDR预处理提高三个性状最佳模型性能,SR-PT在FDR下取得最高R
2:A为0.811、ETR为0.792、Φ
PSII为0.890;Φ
PSII预测最准确,模型间差异明显,独立随机森林在原始反射下较弱、FDR后改善。
光谱重采样对原位模型性能的影响(Effect of spectral resampling on in situ model performance):通过将原位高光谱重采样至5、10、25、50和100 nm并建模,发现A和ETR在至约25 nm的中等重采样下较稳定,50和100 nm时明显下降;FDR提高A和ETR在中等重采样下的稳健性;Φ
PSII对重采样更敏感,原始反射在细分辨率之外明显下降,FDR未阻止该下降。
UAV多光谱数据集的模型性能(Model performance of the UAV-derived multispectral dataset):基于2025年UAV十波段数据,A和ETR在遮阴和组合冠层观测下优于日照观测,最佳遮阴原始反射R
2分别为0.765和0.768;Φ
PSII在日照、遮阴和组合策略下均较稳健,日照原始反射结合SR-PT取得R
2=0.901;FDR在UAV数据中无系统优势。植物分组验证降低A和ETR性能(R
2分别为0.572±0.185和0.629±0.159),Φ
PSII保持较高(R
2=0.826±0.062),合并留出预测总体R
2为0.608、0.667和0.828;留一日期验证失败,A、ETR、Φ
PSII的R
2分别为?3.531、0.165和?0.327,而仅用日序的基线对Φ
PSII达R
2=0.856,提示时间成分。
跨传感尺度光谱输入的模型相关性(Model-based relevance of spectral inputs across sensing scales):通过SR-PT元模型特征重要性分析,原位原始反射中A反复相关区域为红边约680—725 nm,ETR为绿区约500—550 nm和红边约680—725 nm,Φ
PSII分布于绿、红边和NIR;FDR下A相关区域包括红区约625—650 nm和NIR约775—800 nm及900 nm以上,ETR为约500—525 nm和红边至NIR约745—800 nm,Φ
PSII主要为NIR约750—825 nm和900—975 nm。UAV原始反射中650 nm通道最一致突出,685 nm在遮阴A和ETR中重要,530—570、430—480和850 nm亦有贡献,710 nm红边通道贡献但多低于650和685 nm;UAV FDR输入转向480、530、570和650 nm,850 nm持续贡献。UAV传感器覆盖主要可见和红边区域,但缺少约750—800 nm和900—975 nm通道。
讨论部分总结:合并2024—2025原位数据集的预测性能不能解释为年际模型可移植性,年度分组分析显示年际迁移性能明显降低且部分不对称;FDR通过强调局部光谱形状可减轻光照和基线差异,但其年际迁移优势仍需验证。重采样分析为多光谱传感提供方法桥梁,A和ETR在中等降分辨率下保留相关信息,而Φ
PSII更依赖特定或细微光谱特征。UAV迁移面临叶级接触式测量与机载自然光照、叶向、阴影、行结构、尺度不匹配和大气影响等差异,性能低于原位高光谱;观测级和植物分组验证支持样本内及未见葡萄藤预测,但留一日期验证不支持跨日期稳健迁移。冠层提取策略应作为明确方法学选择:遮阴和组合观测改善A和ETR,Φ
PSII在各策略下稳健且日照最佳。多光谱UAV更具操作可行性,但跨日期应用需进一步评估并可能需要日期或条件特异性校准。跨尺度特征重要性提示480、530、570、650、685、710和850 nm附近为候选波段,未来应测试750—800 nm和900—975 nm补充波段。局限包括单实验园、单品种、UAV仅2025年五个日期、36株监测、生理指标有限及叶级与像元尺度不匹配;未来需扩展品种、站点、生长季、胁迫条件和数据融合验证。
研究结论翻译:该研究评估了UAV获取的多光谱影像在监测葡萄藤上估算葡萄藤生理性状的潜力,并具有未来空间升尺度的可能。为支持该评估,研究人员分别使用合并的2024—2025原位高光谱数据集和2025年生长季获取的UAV多光谱观测训练与评估模型。总体而言,这些发现表明,光谱反射率可在叶级高光谱和UAV多光谱观测中携带用于估算所选葡萄藤光合性状的生理相关信息。合并的原位高光谱分析在2024—2025合并数据集中对A、ETR和Φ
PSII表现出较强预测性能;然而,年度分组分析显示年际可迁移性显著降低,表明合并数据集内的预测性能不应解释为逐年模型可移植性的证据。当应用于UAV多光谱数据时,同一方法学框架在观测级留出评估下对所评估的光合相关性状取得较强预测性能,支持多光谱UAV影像将叶级生理信息升尺度至空间显式葡萄园监测的潜力;在所评估性状中,Φ
PSII表现出最强的UAV预测性能,A和ETR也可由UAV多光谱数据预测。植物分组验证支持对未见葡萄藤的泛化,尽管A和ETR性能较原始观测级留出评估降低,而Φ
PSII保持相对稳健。相反,留一日期验证在完整测量日期被排除出模型开发时性能显著降低,未能在2025年 campaign 内证明稳健时间泛化;Φ
PSII的仅日序基线表现较强,进一步表明其高观测级预测性能部分与该性状明显的时间变化相关。跨尺度光谱输入相关性评估进一步表明,绿、红、红边和NIR区域内的信息反复对预测有贡献;这些区域大多由十通道UAV传感器覆盖,但缺少约750—800 nm和900—975 nm的附加波段限制了其再现原位FDR分析所识别NIR光谱形状信息的能力。UAV分析还表明冠层提取策略影响模型性能:A和ETR在遮阴和组合观测下预测性能较高,而Φ
PSII在各冠层提取策略下均表现较高并在日照观测下最高,提示在开发UAV生理性状估算方法时,光照条件和冠层采样配置应被视为相关变异来源。总体而言,这些发现支持UAV多光谱传感在未来田间条件下对所选葡萄藤生理性状估算进行空间升尺度的潜力。后续研究应将验证扩展至更多品种、葡萄园站点、生长季和附加胁迫条件;在本数据集中,480、530、570、650、685、710和850 nm附近通道可作为进一步评估的候选波段,而750—800 nm和900—975 nm区域的附加波段值得在未来研究中针对性测试。此外,应在不同光照和冠层条件下系统比较冠层提取策略,以确定标准化像元选择流程能否提高模型稳健性。