无人机多光谱影像融合植被指数、纹理特征与水指数精准估测水稻叶片磷浓度

这篇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），通过层次分析法（AHP）赋权的多准则评价模型（MCE），实现了水稻叶片磷（P）浓度的高精度估测（RMSE=0.035）。研究揭示了品种J02比TBR225具有更高的磷合成效率，为水稻精准营养管理提供了新范式。

　　

无人机多光谱技术揭示水稻磷营养新机制

核心发现
磷（P）是水稻能量代谢和光合作用的关键元素，其叶片浓度直接影响作物产量与品质。传统磷检测方法耗时耗力，而本研究通过无人机（UAV）搭载多光谱传感器，创新性地融合植被指数（VIs）、纹理特征（TFs）和水指数（WIs），构建了叶片磷浓度的多维度估测模型。

技术突破
研究团队采用DJI Phantom 4 Multispectral（P4M）无人机采集红边（RE）、近红外（NIR）等5个波段数据，结合16种VIs、8种TFs和2种WIs（NDWI、NSRI），通过主成分分析（PCA）提取关键特征。结果显示：

1. 植被指数：归一化植被指数（NDVI）与磷浓度正相关（R²=0.62），而修正叶绿素吸收指数（MCARI）呈负相关（R²=0.54），二者互补提升了模型灵敏度。
2. 纹理特征：均值（MEA）作为最重要的纹理指标，与磷浓度相关性达R²=0.64，反映冠层结构变化对磷吸收的影响。
3. 水指数：近红外肩区指数（NSRI）首次被证实可间接指示磷浓度（R²=0.64），其通过捕捉750-900 nm光谱斜率，关联叶片水分与磷代谢。

模型优化
通过层次分析法（AHP）赋权的多准则模型（MCE）显示，融合全部指标的S4场景精度最高（RMSE=0.035%，R²=0.75）。其中，NDVI（权重18%）、MCARI（8%）、MEA（41%）、NSRI（17%）和NDWI（15%）的协同作用显著优于单一指标组合。

品种差异
日本品种J02的叶片磷浓度（0.343%-0.462%）显著高于越南本地品种TBR225（0.272%-0.442%），表明遗传背景对磷利用效率的调控作用。

应用前景
该技术为精准农业中的变量施肥提供了实时监测工具，未来可结合卫星遥感实现大尺度磷营养诊断。研究局限性在于样本量较小（165个点），但为水稻智慧栽培开辟了新路径。