利用基于无人机的光谱-纹理融合技术估算干旱绿洲果园中果树的叶片氮含量

《BMC Plant Biology》：Estimation of leaf nitrogen content in fruit trees within Arid Oasis Orchards using UAV-based spectral–texture fusion

　　

摘要

背景

叶片氮含量是反映果树营养状况的重要指标。为便于在新疆干旱地区的果园中实现精准的营养管理，本研究以新疆南部的渭干河-库车河三角洲绿洲（渭库绿洲）的核桃、枣和杏树为研究对象（每种50个样本），利用无人机多光谱影像开发出一种用于测定叶片氮含量的最优反演方法。研究提取了与叶片氮含量相关的光谱指数和纹理特征，包括8种双波段优化光谱指数、8种三波段优化光谱指数以及8种纹理特征。随后将这些数据与随机森林回归模型、支持向量回归模型和二次多项式回归模型相结合，评估各模型的性能。

结果

将2B-OSI、3B-OSI和纹理特征结合使用的随机森林回归模型表现最佳，其验证集的决定系数R²在0.89到0.93之间，均方根误差在0.84到1.13克/千克之间，性能与偏差比在2.81到3.12之间。在加入纹理特征后，决定系数提升了1.95%，均方根误差降低了6.73%，性能与偏差比提升了5.89%，这表明纹理特征进一步增强了模型的稳定性。通过稳健性和不确定性分析发现，在样本量较小的情况下，光谱-纹理融合框架在不同验证条件下的预测性能依然较为稳定。空间分析结果显示，不同树种的叶片氮含量分布存在明显差异：枣树的叶片氮含量呈现集中偏高的趋势，杏树的分布相对均衡，而核桃树的叶片氮含量整体较低。

结论

基于无人机多光谱影像，通过结合光谱指数和纹理特征，可以有效反演干旱地区果树的叶片氮含量，其中随机森林回归模型表现最优。不过，在解读模型性能时需考虑样本量相对有限以及验证过程中存在的不确定性问题。这些研究结果可为新疆干旱地区果园的精准施肥和营养管理提供理论依据和技术指导。