无人机多光谱遥感优化秋葵氮肥管理与产量估算：品种与施肥策略的协同效应研究

本研究针对传统秋葵田间监测耗时费力且成本高昂的问题，利用无人机多光谱遥感技术开展氮肥优化与产量估算研究。通过分析不同氮处理下两个秋葵品种的光谱响应，建立了基于开花期植被指数（VIs）的产量估算模型（R2=0.83，RMSE=1.82），发现牛粪配合120 kg/ha尿素（T2）处理下品种V1（LalTeer OK 285）产量最高（15.97 ton/ha）。该研究为秋葵精准农业提供了可靠的技术支持，实现了氮肥高效利用与产量精准预测的双重目标。

　　

在热带和亚热带地区，秋葵(Abelmoschus esculentus L.)作为一种重要的营养蔬菜作物，其全球产量在2023年已超过1150万吨。然而，传统的田间监测方法存在效率低下、成本高昂的局限性，难以满足现代农业对精准管理的需求。特别是氮肥施用不当不仅降低产量效率，还会通过硝酸盐淋溶和温室气体排放带来环境风险。农民常常为了追求高产而盲目增施氮肥，导致经济与生态的双重损失。

针对这一难题，无人机(unmanned aerial vehicles, UAV)搭载多光谱传感器技术为精准农业提供了革命性的解决方案。这种技术兼具灵活的飞行调度、高空间分辨率与实时数据获取能力，特别适用于作物监测与评估。尽管该技术已在主要粮食作物中得到应用，但在秋葵等高效值蔬菜作物的氮肥优化与产量估算研究方面仍属空白。

为此，研究人员在孟加拉国加济布尔农业大学开展了创新性研究，通过无人机多光谱遥感技术评估不同氮处理下的光谱响应，并开发基于UAV的产量估算模型。研究选取了两个当地秋葵品种：V1(LalTeer OK 285)和V2(BARI Okra 2)，并设置了四种氮处理方案。从2023年8月到10月，研究团队使用大疆Inspire 2无人机搭载Altum多光谱传感器进行了7次飞行任务，获取了蓝、绿、红、红边和近红外五个波段的光谱数据。

研究人员采用了一系列关键技术方法：使用Pix4Dmapper进行图像预处理和辐射校正；通过QGIS软件计算了NDVI(归一化植被指数)、NDRE(归一化红边指数)、CVI(叶绿素植被指数)、Cl(red-edge)(红边叶绿素指数)、MTCI( MERIS陆地叶绿素指数)、PSRI(光化学反射指数)和ARI(花青素反射指数)等植被指数；利用数字表面模型(DSM)和数字地形模型(DTM)生成数字冠层高度模型(dCHM)；采用逐步多元线性回归方法建立产量估算模型。

3.1. 光谱反射率的时空变化与比较分析

研究发现，在8月25日第二次施肥后，不同氮处理的光谱反射率开始出现分化，特别是在近红外(NIR)波段。处理T4(牛粪+150 kg/ha尿素)记录了最高的NIR波段反射率(31.14%)，而处理T1(仅牛粪)最低(23.83%)。品种V2表现出比V1更优的NIR反射特性。到9月13日，所有处理的NIR波段反射率均因植物快速生长阶段而增加，其中T4V2组合达到最高值(48.27%)。

3.2. 不同处理下植被指数的时空动态

植被指数分析显示，NDVI值在初期较低，随后在51-63天达到峰值后下降。处理T4表现出最高的峰值NDVI值，而处理T1最低。Cl(red-edge)在51天前持续增加，并在63天内保持稳定。CVI值在44天达到最高，而NDRE显示出与Cl(red-edge)相似的趋势，但对叶绿素变化更加敏感。MTCI在63天达到最高值，之后开始下降。

3.3. 氮处理对产量及相关农艺性状的影响

不同氮处理显著影响产量和各种农艺参数。在处理T2(牛粪+120 kg/ha尿素)下，品种V1获得了最高产量(15.97 ton/ha)，比对照(T1)提高了123.66%。值得注意的是，尽管T4处理在整个生长季节始终产生最高的植被指数值(NDVI峰值、优异的MTCI响应)，但并未获得最高产量，这表明最大营养生长并不一定与秋葵的最大生殖成功相关。

3.4. 植被指数与产量构成要素的相关性

开花期(9月20日)的相关系数分析显示，果实数量(FN)与Cl(red-edge)、NDRE、CVI、PSRI、MTCI和ARI呈高度相关。产量除与ARI强相关外，其他相关模式与FN相似。平均果重(AW)与NDVI、Cl(red-edge)、NDRE、MTCI和ARI显著相关。

3.5. 植被指数性能的时间序列分析

时间序列分析表明，开花期(9月20日)对大多数植被指数表现出最佳的预测能力，其中MTCI(R2=0.617)、ARI(R2=0.657)和PSRI(R2=0.570)与最终产量的相关性达到峰值。这一时间窗口代表了植物发育阶段中营养活力接近最大而生殖潜力正在建立的理想平衡点。

3.6. 产量估算模型

通过逐步回归开发了七个产量估算模型，其中模型2表现出最佳性能：R2=0.8309，调整R2=0.8192，AIC=135.63，RMSE=1.82。该模型使用NDVI和CVI作为预测变量，均达到极显著水平(p<0.001)。双因素方差分析结果显示，处理、品种及其交互作用对产量均有极显著影响(p<0.001)。

研究结论表明，无人机获取的多光谱影像能够有效监测秋葵作物表现，并揭示了氮管理策略的关键见解。最重要的发现是：产生最大营养生长的处理(通过最高植被指数指示)并不一定能获得最佳产量。虽然T4在两个品种中始终显示最高的植被指数，表明其营养活力最强，但T2(牛粪+120 kg/ha尿素)实现了最高产量和总生物量，使其成为优化果实生产的最有效施肥策略。

在两个测试品种中，V1在果实数量和产量方面均优于V2。模型2被证明是产量估算的最佳模型，其关键植被指数(NDVI、ARI等)和最佳时间(开花期)通过时间相关性分析得到验证，为基于无人机的产量估算系统提供了重要的方法论见解。

这项研究的实际意义在于发现了营养-生殖权衡现象，为解读遥感数据提供了关键背景。未来的无人机监测系统应考虑最大植被指数值可能不对应最大产量潜力这一事实，应优先选择平衡的营养策略而不是简单最大化营养生长指标的方法。该研究为秋葵精准农业提供了可靠的技术支持，实现了氮肥高效利用与产量精准预测的双重目标，对推动蔬菜作物的智能化管理具有重要意义。