中國農業(yè)發(fā)生于新石器時代。中國農業(yè)的生產結構包括種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和副業(yè)；但數(shù)千年來一直以種植業(yè)為主。

東北地區(qū)的黑土地，是寶貴的農業(yè)資源。黑土地的土壤富含有機質，深黑色的沃土，沉甸甸的感覺讓人感受到這片土地的肥沃。

在現(xiàn)代農業(yè)生產中，科技的應用在這片沃土上也發(fā)揮著至關重要的作用，科研團隊利用機載高光譜對黑土地的土壤有機質做了相關研究。

使用無人機高光譜圖像和小型校準數(shù)據(jù)集對田間土壤有機質進行高分辨率測繪

快速獲取田間尺度土壤有機質（SOM）的高分辨率空間分布對于精準農業(yè)至關重要。無人機成像高光譜技術以其高空間分辨率和時效性，可以填補地面監(jiān)測和遙感的研究空白。本研究旨在測試在中國東北典型低地勢黑土地區(qū)使用無人機高光譜數(shù)據(jù)（400–1000 nm）和小型校準樣本集進行1 m分辨率SOM繪圖的可行性。

該實驗在大約20公頃的土地上進行。為了進行校準，使用 100 × 100 m 網格采樣策略收集了 20 個樣品，同時隨機收集了 20 個樣品進行獨立驗證。無人機捕獲空間分辨率為0.05×0.05 m的高光譜圖像。

然后對每 1 × 1 m 內提取的光譜進行平均以代表該網格的光譜。在應用各種光譜預處理（包括吸光度轉換、多重散射校正、Savitzky-Golay 平滑濾波和一階微分）后，SOM 光譜相關系數(shù)的絕對最大值從 0.41 增加到 0.58。最佳隨機森林（RF）模型的重要性分析表明，SOM 的特征波段位于 450-600 和 750-900 nm 區(qū)域。當使用RF模型時，無人機高光譜數(shù)據(jù)（UAV-RF）能夠成功預測SOM，R 為0.53，RMSE為1.48 g kg?1。

然后將預測精度與使用相同數(shù)量校準樣本的普通克里金法（OK）和基于近端傳感的射頻模型（PS-RF）獲得的預測精度進行比較。然而，由于采樣密度較低，OK 方法無法預測 SOM 精度（RMSE = 2.17 g kg?1；R2 = 0.02）。半?yún)f(xié)方差函數(shù)無法有效描述SOM的空間變異性。當采樣密度增加到50×50 m時，OK成功預測了SOM，RMSE = 1.37 g kg?1，R2 = 0.59，其結果與UAV-RF的結果相當。PS-RF的預測精度與UAV-RF基本一致，RMSE值分別為1.41 g kg?1和1.48 g kg?1，R2值分別為0.57和0.53，表明基于UAV的SOM預測是可行的。

此外，與PS平臺相比，無人機高光譜技術可以同時提供數(shù)十甚至數(shù)百個連續(xù)波段的光譜信息和空間信息。該研究為進一步研究和開發(fā)無人機高光譜技術進行少量樣本精細尺度SOM測繪提供了參考。

研究區(qū)土壤樣本分布

研究區(qū)域位于中國吉林省梨樹縣，面積20公頃。該地區(qū)屬季風氣候，年平均降水量553.5毫米，平均氣溫6.5℃。此外，它的特點是地勢平坦，平均海拔160 m。由于這些特征，該地區(qū)成為北半球三大富含有機質的黑土地之一，主要農作物是大豆。

Resonon-Pika-L 機載高光譜成像儀

本研究采用Resonon公司的Resonon-Pika-L高光譜成像儀由高光譜成像光譜儀、六旋翼無人機、GPS和計算機組成。于2020年6月15日獲取了覆蓋整個研究區(qū)、像素大小為0.05×0.05 m的高光譜圖像。高光譜圖像提取的光譜范圍為400~1000 nm，光譜分辨率為2.1 nm。

經過 (a) 吸光度轉換、(b) 乘性散射校正、(c) Savitzky–Golay 后土壤有機質 (SOM) 與土壤光譜特征的相關系數(shù)（窗口大小為 5，擬合次數(shù)為 2） ）和（d）一階導數(shù)方法。

根據(jù)Pearson相關系數(shù)的絕對值評價預處理方法的性能，以選擇最佳的預處理方法組合。如所示，基于吸光度轉換的MSC后，最小相關系數(shù)值發(fā)生變化（450-500 nm處為-0.4-0.6），總體相關系數(shù)在600-700 nm處增加，相關系數(shù)絕對值最大 在 700–800 nm 處增加，相關系數(shù)發(fā)生變化（800–900 nm 處為 -0.35–0.3 至 -0.5–0.3）。

使用無人機高光譜 (UAV-RF) 預測土壤有機質 (SOM) 的 RF 模型的重要性分析 (a) 和圖 (b)

本研究比較了使用無人機高光譜數(shù)據(jù)、觀測到的土壤數(shù)據(jù)和 RF 模型進行田間尺度 SOM 預測的 OK 技術。

研究結果如下

01?吸光度轉換、MSC、SG 和 FD 技術對SOM的預測效果良好。經過這些預處理后，光譜和 SOM 之間的絕對最大相關系數(shù)從 0.41 增加到 0.58。

02?SOM的特征波段位于450-600 nm和750-900 nm，這可能是由于O-H、C-H和N-H特征官能團的振動頻率造成的。

03?采用100 m × 100 m網格采樣設計，UAV-RF模型預測SOM的R2為0.53，RMSE為1.48 g kg?1，而采用相同采樣策略的OK方法未能預測SOM（RMSE = 2.17g kg?1；R2 = 0.02)。預測精度較差是因為樣本密度低從而削弱了半?yún)f(xié)方差函數(shù)描述SOM空間變異性的能力。只有當采樣密度增加時，才能使用 OK 成功預測 SOM，其結果與UAV-RF相當。

04?基于PS-RF的SOM預測結果與基于UAV-RF的預測結果基本一致，RMSE值為1.41 g kg?1和1.48 g kg?1，R2值為0.57和0.53。這些研究結果為未來研究和發(fā)展無人機高光譜技術在減少樣本量的情況下進行SOM預測提供了參考。

請點擊下方鏈接，閱讀原文：

https://mp.weixin.qq.com/s/rQg24iUDAQZruT1teTP2Kg