基于无人机多光谱影像的植被-纹理-水分指数融合模型精准估算水稻叶片磷含量

本研究创新性地结合无人机（UAV）多光谱影像的植被指数（VIs）、纹理特征（TFs）和水指数（WIs），采用层次分析法（AHP）赋权的多准则评价模型（MCE），实现了水稻叶片磷（P）浓度的精准估算。通过四组场景实验验证，整合NDVI、MCARI、MEA、NDWI和NSRI的S4模型精度最高（RMSE=0.035），首次揭示了近红外肩区指数（NSRI）对磷含量的指示作用，为水稻营养精准管理提供了新方法。

　　

研究背景与意义
水稻作为越南主要粮食作物，其产量受磷（P）营养状况显著影响。磷不仅参与光合作用、能量代谢等关键生理过程，还调控氮（N）吸收动态。传统磷含量检测方法存在破坏性大、时效性差等缺陷，而无人机（UAV）遥感技术凭借高时空分辨率优势，为作物营养监测提供了新思路。

研究方法体系
研究采用DJI Phantom 4 Multispectral无人机获取蓝、绿、红、红边（RE）和近红外（NIR）五波段影像，通过辐射校正生成反射率正射影像。创新性地构建了包含16种植被指数（如NDVI、MCARI）、8种纹理特征（通过PCA提取）和2种水分指数（NDWI、NSRI）的分析体系。采用层次分析法（AHP）确定各指标权重，建立多准则评价模型（MCE），并设置四组实验场景（S1-S4）验证不同指标组合的预测效果。

关键发现

1. 植被指数筛选：NDVI与叶片磷浓度呈最强正相关（R²=0.62），MCARI则表现独特负相关（R²=0.54）。两者虽光谱特征相似（r=0.92），但对磷含量的响应机制截然不同。

2. 纹理特征贡献：均值（MEA）在纹理指标中脱颖而出，与磷浓度的决定系数达0.64，反映冠层结构变化对磷营养的指示作用。

3. 水分指数创新：首次证实NSRI（NIR/RE波段比）对磷含量的显著响应（R²=0.64），其机理在于磷缺乏会影响叶片水分状态，进而改变近红外区域反射特性。

模型优化与验证
通过四组场景对比发现：

• S1（NDVI+MCARI+MEA）：基础模型R²=0.70
• S2（加入NDWI）：模型解释力提升至0.72
• S4（全指标整合）：达到最优精度（R²=0.75，RMSE=0.035）
  权重分析显示MEA贡献度最高（41%），NSRI（17%）优于NDWI（15%）。

品种差异与应用价值
研究揭示日本品种J02的叶片磷含量（0.343-0.462%）显著高于越南本地品种TBR225（0.272-0.442%），这与品种的磷利用效率差异相关。该技术体系可实现：

1. 田块尺度磷营养动态监测
2. 品种特异性施肥方案制定
3. 水肥协同管理优化

技术局限与发展方向
当前研究存在样本量有限（165个点）、仅针对乳熟期等不足。未来可结合WorldView-3等卫星数据实现区域尺度扩展，并开展全生育期连续监测。无人机平台的高成本与操作复杂性仍是技术推广的主要瓶颈。

这项研究为作物磷营养诊断开辟了新途径，通过多源遥感特征融合显著提升了预测精度，特别是水分指数与磷代谢的关联机制发现，为理解植物营养-水分耦合关系提供了新视角。