基于无人机多光谱遥感的香脂冷杉营养状况评估：NDVI与EVI2指数的应用研究

推荐：本研究针对香脂冷杉人工林施肥管理粗放、环境风险高的问题，通过无人机搭载多光谱传感器获取归一化植被指数（NDVI）和增强型植被指数2（EVI2），结合土壤-针叶营养分析，首次建立了针叶氮含量预测模型（R2达0.68），为精准施肥提供技术支撑。

　　

圣诞树产业正面临严峻的环境挑战——香脂冷杉（Abies balsamea）作为加拿大最受欢迎的圣诞树种，其种植过程中过量施肥导致49%的氮通过淋溶和反硝化作用流失，而传统土壤检测方法难以准确评估树木实际营养需求。更棘手的是，针叶营养浓度存在显著季节性和空间变异，现有技术无法实现高效、无损的规模化监测。这一矛盾在商业化种植园中尤为突出，生产者既需要维持1.4%-1.6%的针叶氮浓度以保证树木色泽，又缺乏科学指导来优化200-600 kg N ha^-1 year^-1的高强度施肥制度。

为破解这一难题，来自加拿大农业与农业食品部的研究团队创新性地将无人机（UAV）多光谱遥感技术引入香脂冷杉营养诊断领域。他们假设植被指数NDVI和EVI2能够反映针叶营养状态，且这种相关性在成熟树木中更为显著。研究团队在2021年秋季和2022年春季，分别从新斯科舍省贝尔蒙特（商业种植园）和圣经山（研究基地）的3个试验点，随机选取115株不同树龄（<5年与>5年）的香脂冷杉，同步采集土壤样品和2年生针叶样本，测定11种营养元素含量。通过DJI M300 RTK无人机搭载Micasense Altum五波段多光谱相机（蓝459-491 nm、绿546-573 nm、红661-675 nm、红边710-723 nm、近红外813-870 nm），获取厘米级分辨率影像，经Agisoft PhotoScan软件处理生成正射影像，并采用支持向量机（SVM）分类器提取单株冠层光谱信息。

关键技术方法包括：1）多时相采样设计（秋/春两季）覆盖营养动态周期；2）GNSS定位实现"空-地"样本精确匹配；3）Mehlich 3土壤提取法与ICP-AES/LECO联用测定全谱营养；4）改进EVI2算法（G=2.5, C=1.5, L=1）适配低空遥感特性；5）分龄级（成熟/幼树）统计建模策略。

研究结果揭示：

1. 土壤-针叶营养关系：仅土壤氮（R²=0.23）和锰（R²=0.61）与针叶含量显著相关，印证土壤检测的局限性。
2. NDVI预测效能：在>5年成熟树中，秋季NDVI与针叶氮相关性达R²=0.60，显著优于幼树（R²=0.37），验证"树龄效应"假设。
3. EVI2优势：EVI2对全龄针叶氮预测稳定（秋R²=0.58，春R²=0.40），但不受树龄影响。
4. 组合模型突破：NDVI+EVI2联用使预测精度提升至R²=0.68（成熟树），均方根误差（RMSE）<0.2%，满足商业生产需求。

这项发表于《Canadian Journal of Plant Science》的研究具有三重突破意义：首先，首次证实无人机多光谱技术可有效监测针叶林氮营养状态，填补了针叶树种遥感诊断的技术空白；其次，建立的NDVI/EVI2组合模型为变量施肥提供量化工具，有望减少30%-50%的氮肥滥用；最后，提出的"树龄分层"分析框架为其他多年生作物遥感研究提供范式参考。研究团队特别指出，未来应重点优化阴影消除算法，并探索叶黄素反射指数（如CCI）等新型指标，以进一步提升常绿树种的光合生理监测能力。这项技术一旦推广，将推动圣诞树产业向精准化、低碳化方向转型，对保护加拿大东北部脆弱的水系生态具有重要实践价值。