基于无人机多光谱与DSM数据融合的直立玉米秸秆提取方法研究及其环境应用

推荐：针对农田直立玉米秸秆焚烧导致严重空气污染的问题，研究人员通过整合无人机多光谱（UAV）和数字表面模型（DSM）数据，提出新型调整秸秆指数（ASI）和高度调整秸秆指数（AHSI），结合Otsu阈值分割与随机森林（RF）方法，实现直立秸秆空间分布的高精度提取（ASI准确率87%，AHSI达96%），为低成本无人机非光合植被（NPV）监测提供新思路。

　　

在华北平原的秋冬季节，农田中遗留的直立玉米秸秆（upright maize straw）因焚烧导致严重的空气污染，成为农业生态系统中的突出环境问题。传统依赖人工调查和统计上报的监测方法成本高、效率低，而卫星遥感因混合像元问题难以识别小尺度分散秸秆。如何快速精准获取秸秆空间分布，成为环境管理和秸秆资源化利用的关键挑战。

中国国家精准农业研究中心的科研团队在《International Journal of Applied Earth Observation and Geoinformation》发表研究，创新性地将低成本无人机（UAV）可见光-近红外多光谱数据与数字表面模型（DSM）融合，开发出两种新型指数：基于绿光、红光和红边波段构建的调整秸秆指数（ASI），以及整合高度特征的调整高度秸秆指数（AHSI）。通过Otsu自动阈值分割和随机森林（RF）分类，在三个不同分布特征的试验区实现直立秸秆精准提取，其中AHSI准确率高达96%，显著优于传统方法。

研究团队首先利用ASD FieldSpec 3光谱仪采集直立秸秆、碎秸秆、裸土和冬小麦的反射率数据，分析其在400-2500 nm波段的特征差异，发现直立秸秆在红光波段存在独特斜率变化（图2）。基于此构建的ASI指数通过计算绿光波段与红-红边连线反射率差值，并乘以（R_Red-R_Green）增强区分度（公式4）。进一步结合DSM数据，采用归一化处理消除地形影响（公式5），将ASI与DSM相乘得到AHSI指数（公式6），有效放大直立秸秆在光谱和高度上的双重特征（图3）。

研究结果部分显示：

1. 秸秆指数合理性验证：ASI-DSM散点图（图6）证实直立秸秆ASI值（0.68-0.8）显著高于碎秸秆（0.62-0.68），且DSM>0；AHSI使四类地物分离度提升3倍（图7）。
2. 多场景提取效果：在连续完整（Region 1）、分散破碎（Region 2）和越冬期（Region 3）秸秆区域，AHSI+Otsu方法准确率分别达99.9%、97.4%和96.3%（表2），有效抑制碎秸秆和地形干扰（图11-13），而单纯DSM方法因道路抬升误判率达13.8%。
3. 与传统方法对比：RF模型因光谱相似性将30%碎秸秆误判为直立秸秆，验证了高度信息融合的必要性。

讨论部分指出，该研究突破传统依赖短波红外（SWIR）的局限，仅用可见光-红边波段实现非光合植被（NPV）监测，成本降低50%。DSM归一化处理（nor(DSM)）克服平原区微地形影响，但未来需在山区验证适用性。作者建议结合卫星LiDAR数据拓展大尺度应用，并探索秸秆覆盖度、含水量等因素对指数稳定性的影响。

这项研究为农业面源污染防控提供了关键技术支撑，其提出的ASI/AHSI指数不仅适用于秸秆禁烧监管，还可推广至芦苇、甘蔗等其他非光合植被监测，对完善"空-天-地"一体化农业遥感体系具有重要实践价值。论文通讯作者Cunjun Li强调，该方法已在北京小汤山基地实现业务化运行，单次飞行可完成500亩农田秸秆测绘，效率较人工提升20倍。