基于无人机平台的多传感器数据融合：一种用于估算冬小麦不同垂直叶层光合能力的稳健方法

《Precision Agriculture》：Multisensor data fusion from uav platforms: a robust approach for estimating photosynthetic capacity across vertical leaf layers in winter wheat

　　

摘要

背景

准确评估光合能力对于监测小麦生长和生理过程至关重要，但目前关于冬小麦各叶层光合能力估算的研究仍然有限。

目的

本研究旨在利用基于无人机（UAV）的多源数据融合方法，估算冬小麦不同叶层的光合能力。

方法

我们结合多光谱、热红外和LiDAR数据，估算了开花后0天（DAA）、20天和30天各叶层的光合能力（PC）及整个冠层的光合能力。我们还探讨了PC、籽粒产量与关键植被指数（VI）、冠层温度（CT）及冠层垂直光分布（CVLD）之间的关系。

主要结果

研究发现，整个冠层光合作用与籽粒产量之间存在显著相关性（开花后0天、20天和30天的相关系数^r分别为0.80、0.73和0.39）。VI、CT和CVLD是光合能力的关键决定因素（^r分别为0.49、0.66和0.86）。此外，多源数据融合显著提升了模型性能，验证集精度为R² = 0.39–0.77，RMSE = 0.29–10.62 μmol·m?²·s?¹，MAE = 0.19–8.54 μmol·m?²·s?¹。与基于单一特征的模型相比，融合多源特征后最佳模型精度从R² = 0.67提升至0.78。

结论

基于UAV的多源数据融合方法能够稳健、高精度地估算垂直叶层光合能力，在提升精准农业实践方面具有巨大潜力。

意义与影响

本研究有助于小麦生产中针对特定地块的监测和资源优化，通过更准确的光合能力估算促进农业可持续发展管理。