基于多源遥感数据融合的茶园干旱分类模型构建与应用研究

针对传统茶园干旱评估方法效率低下、单传感器数据局限性大的问题，研究人员创新性地提出RSDCM模型，通过融合MS+TIR多源遥感数据与改进GA-BP算法（隐藏层=1，神经元=5），实现茶园干旱等级高精度分类（准确率0.983）。该研究为无人机农业监测提供了多模态数据融合新范式，对精准农业灾害防控具有重要实践意义。

　　

（背景）在全球气候变化背景下，干旱已成为威胁茶叶生产的主要自然灾害，传统人工调查方法效率低下，而现有无人机遥感研究多依赖单一传感器数据。中国东部茶园2022年遭遇严重干旱，导致产量下降14%-33%，亟需开发高效精准的监测技术。

（研究方案）山东省农业科学院等机构研究人员提出RSDCM模型，通过无人机搭载MS600 Pro（6波段）、Zenmuse H20T（RGB+TIR）传感器，在50米航高采集多源数据。创新性地结合改进GA-BP算法（NonUnifMutation算子优化）与MS+TIR数据融合策略，对比BP、SVM、RF、ELM等模型性能。

（技术方法）研究采用分层抽样构建训练集（70%）、验证集（15%）和测试集（15%），通过ENVI 5.3提取28个植被指数（如NDVI、EVI）、24个GLCM纹理特征和5个温度参数（含TVDI）。利用Pearson相关系数（|r|>0.7）和VIF<3筛选特征变量，最终输入10个光谱、8个纹理和3个热红外特征。

（结果1：数据融合优势）MS+TIR组合表现最优，准确率（0.983）较单MS（0.950）、TIR（0.925）提升3.3-5.8%。三维曲面图显示多源融合显著改善分类边界，F1-score达0.967-1.000。

（结果2：模型优化）GA-BP以单隐藏层5神经元结构最优，50代进化后收敛速度提升40%。相比传统BP，其全局搜索能力使准确率提高2.9%，且避免陷入局部最优。

（结果3：环境因素）保留土壤背景的模型准确率（0.712）显著高于去背景处理（0.551），50米航高在保证安全性的同时，精度损失仅2.9%。

（讨论）该研究突破传统单传感器局限，首次验证MS 720nm红边波段与冠层温度T_max的协同效应（r=0.955）。RSDCM模型成功应用于南京、常州等地茶园干旱制图，发现低洼区干旱等级降低1-2级，为生态茶园规划提供量化依据。

（局限与展望）当前模型依赖晴空数据，未来拟集成合成孔径雷达实现全天候监测，并通过HYDRUS-1D耦合提升根区水分动态预测能力。该成果发表于《Smart Agricultural Technology》，为智慧农业灾害预警系统开发奠定理论基础。