基于约束光谱匹配的无人机多光谱反射率扩展及湿地植被氮磷含量高精度估算研究

湿地植被冠层氮磷含量(CNC/CPC)的高效监测是湿地生态保护的关键难题。本研究创新性地开发了约束PROSAIL-PRO光谱匹配(CPSM)方法，通过融合无人机多光谱数据与生理参数约束，将光谱范围扩展至400～2500 nm，并结合混合反演策略实现了七种喀斯特湿地植被CNC/CPC的高精度估算(R2 =0.60～0.98)。该研究为多光谱传感器在植被生理参数监测中的应用提供了突破性解决方案，对湿地生态系统保护具有重要实践价值。

　　

湿地作为地球最重要的生态系统之一，在净化水质、调节气候和维护生物多样性等方面发挥着不可替代的作用。植被作为湿地生态系统的三大组成要素之一，其冠层氮含量(Canopy Nitrogen Content, CNC)和冠层磷含量(Canopy Phosphorus Content, CPC)是反映植被生长状况的关键生理参数，直接影响着湿地生态系统的功能和稳定性。然而，由于植被光谱信号受到色素和水分含量的干扰，利用多光谱影像准确估算湿地植被CNC和CPC一直面临巨大挑战。

目前，无人机技术凭借超高分辨率、高效性和多功能性等优势，已被广泛应用于植被生理参数监测。但大多数无人机多光谱传感器无法覆盖氮磷敏感的短波红外波段(1000～2500 nm)，而卫星多光谱传感器虽然工作在该波段范围内，但其宽波段配置可能会削弱窄敏感波段对CNC和CPC的诊断贡献。虽然高光谱遥感能够识别植被中氮磷的吸收特征，但无人机高光谱传感器的高成本限制了其大规模应用。

针对这一难题，广西师范大学的研究团队开展了一项创新性研究。他们开发了一种约束PROSAIL-PRO光谱匹配(Constrained PROSAIL-PRO spectra matching, CPSM)方法，将无人机多光谱反射率测量扩展到400～2500 nm范围，并提出了一种新型混合反演策略，实现了七种喀斯特湿地植被物种CNC和CPC的高精度估算。研究成果发表在《Plant Phenomics》期刊上。

研究人员采用了多项关键技术方法：首先利用PROSAIL-PRO模型前向模拟生成查找表(LUT)；然后基于实测生理参数(叶面积指数LAI、叶绿素含量Cab和等效水厚度Cw)作为约束条件进行光谱匹配；采用分数阶导数(Fractional Order Derivative, FOD)方法提取敏感光谱特征；最后结合偏最小二乘回归(PLSR)和自适应集成学习回归(Adaptive Ensemble Learning Regression, AELR)算法构建混合反演模型。研究样本来自中国桂林会仙喀斯特国际重要湿地的7种典型植被物种，共采集240个样本。

研究结果部分：

"4.1. 光谱反射率一致性验证与生理特性光谱敏感性分析"证实，CPSM扩展的光谱数据与原始无人机多光谱反射率具有良好一致性(R²
=0.82～0.86)，且能保持与实测叶片光谱相似的光谱特征。敏感性分析显示，LAI对400～2500 nm范围内的冠层反射率最敏感，而蛋白质含量对冠层反射率的敏感性最低，这解释了仅使用无人机多光谱图像估算CNC精度较低的原因。

"4.2. CNC和CPC的敏感光谱及最优反演特征"发现，CNC和CPC的最优敏感光谱子域主要分布在红边位置(701～725 nm)和水吸收谷(1170 nm、1450 nm和1940 nm)附近。通过FOD方法处理后的CPSM光谱及其衍生的植被指数与CNC和CPC的相关性显著提高，相关系数分别增加了0.04～0.28和0.06～0.37。

"4.3. 基于新混合反演策略的CNC和CPC估算性能评估"显示，新混合反演策略显著优于传统策略，AELR算法在估算七种植被物种CNC和CPC时获得了最高精度(R²
=0.71～0.98，MRE=5.91%～19.14%)。在红树林湿地的验证实验中，该方法对两种红树物种CNC和CPC的估算也取得了良好效果(R²
=0.77～0.89，MRE=9.65%～16.87%)。

研究结论与讨论部分强调，该研究提出的CPSM方法和新型混合反演策略为利用多光谱传感器实现植被生理参数高精度估算提供了创新解决方案。该方法不仅扩展了无人机多光谱传感器的光谱信息，还通过物理机制约束提高了模型的可解释性和泛化能力。特别是在湿地生态系统监测方面，该技术可以大幅降低高光谱传感器的高成本，为大规模湿地植被健康监测提供了实用工具。研究还发现，FOD方法能有效消除叶绿素和氮之间相似分子或离子存在造成的光谱重叠，显著提高了CNC和CPC敏感特征的提取效果。

这项研究的创新性主要体现在三个方面：首次将PROSAIL-PRO模型与实测生理参数约束相结合进行光谱扩展；开发了融合物理模型与机器学习优势的新型混合反演策略；验证了该方法在不同类型湿地生态系统中的适用性。未来研究可以进一步验证该方法在其他植被生理参数(如钾、碳含量)估算中的适用性，并探索其在中等分辨率多光谱卫星影像中的应用潜力。