《Soil and Tillage Research》：Enhancing aboveground biomass estimation for winter wheat using UAV-based color space transformation and spectral feature reconstruction
编辑推荐：
本研究利用高分辨率无人机影像和机器学习技术，通过颜色空间转换和光谱重建，构建了植被指数、纹理特征与颜色空间转换相结合的REVTSC模型，显著提高了冬季小麦不同生长阶段（转绿期、拔节期、抽穗期、成熟期）的冠层生物量（AGB）估算精度，特别是在早期生长阶段，模型R2值提升达33.1%，为塑料覆盖种植系统的AGB监测提供了新方法。
杨旭|郭晓波|李鹏林|孙博文|程志凯|赵同同|张正涛|魏春宇|杜亚丹
教育部农业土壤与水资源工程重点实验室，西北农林科技大学，中国陕西省杨陵市712100
摘要
及时准确地量化地上生物量（AGB）对于评估作物生长、优化农艺实践和确保粮食安全至关重要。然而，传统的AGB估算方法具有破坏性、耗时且不适用于大规模应用。虽然遥感方法是非破坏性的，但经常遇到光谱饱和和土壤或塑料薄膜干扰等问题，尤其是在密集的冠层覆盖下或垄沟覆盖系统中。为了克服这些限制，本研究聚焦于在垄沟膜覆盖系统下种植的冬小麦，利用高分辨率无人机图像结合机器学习技术，通过整合植被指数、纹理指标和颜色空间转换变量来重建光谱信息。特征选择采用了递归特征消除（RFE）方法，并开发了三种建模策略——植被指数和纹理特征（VT）、带有颜色空间转换的VT（VTSC）以及带有光谱重建的VTSC（REVTSC），并使用岭回归（RR）、支持向量机（SVM）和随机森林（RF）算法在生长阶段的转绿、拔节、抽穗和灌浆期进行了评估。结果表明，整合颜色空间转换特征显著提高了AGB预测的准确性，尤其是在早期生长阶段（转绿和拔节阶段）。光谱特征重建通过减轻土壤和塑料薄膜的背景干扰进一步提高了模型性能。在灌浆期获得了最高的估算准确性，训练集的R2值为0.81，测试集的R2值为0.76，均方根误差（RMSE）分别为1581.16 kg/ha和1737.47 kg/ha。与VT模型相比，使用REVTSC模型时R2值提高了33.10%，突显了光谱重建的好处。RR在早期生长阶段（转绿和拔节阶段）表现更好，而SVM在整个生长阶段的性能最弱。本研究的结果提供了一种新的方法，通过整合颜色空间转换和光谱重建，在混合背景条件下估算AGB，为塑料膜覆盖作物系统的AGB监测提供了可扩展且准确的解决方案。
引言
地上生物量（AGB）是评估作物生长和指导农业管理决策的基本指标，提供了关于作物生产力和生长动态的重要信息（Xu等人，2023年）。作为中国的主要粮食作物，冬小麦在维护粮食安全和经济稳定方面发挥着关键作用（Al-Shammari等人，2021年；Liu等人，2024年）。准确及时的AGB估算有助于决策，涉及作物健康监测、灌溉和施肥管理以及产量预测（Yue等人，2019年；Zhao等人，2025年）。
尽管传统的手动AGB测量方法非常准确，但它们耗时、劳动密集、具有破坏性，并且无法提供区域尺度的空间分布信息，从而限制了其在大规模作物生长监测中的应用（Maimaitijiang等人，2019年）。因此，非侵入式遥感技术变得日益重要，为更广泛的空间尺度上估算和绘制作物生物量提供了有效的替代方案（Arévalo等人，2023年；Hu等人，2024年）。近年来，基于无人机的高通量表型技术已成为量化作物AGB的关键工具，因为它们具有低成本、大空间覆盖范围、多种功能以及最小干扰的优点。配备各种传感器（如数码相机、多光谱相机）的无人机获取的遥感图像被广泛用于通过计算相关波段反射率和植被指数来估算作物AGB（Liu等人，2023b）。传统的AGB估算模型通常依赖于遥感数据与生物量之间的经验关系（Liu等人，2023a）。然而，随着植被变得密集，高冠层覆盖下的光谱饱和成为准确估算生物量的限制。在密集的冬小麦田中，仅基于植被指数或纹理特征的建模经常导致光谱异质性问题。此外，不同的灌溉制度、氮水平和其他农业管理实践引起的植物生长差异导致了结构异质性，从而影响了从无人机图像中提取的纹理特征（Zhang等人，2025年）。将RGB图像转换为其他颜色空间（如HSV、LCH）可以减少波段间的冗余并增强对颜色特征的敏感性，从而在田间尺度上更稳健地提取植物生理特征（Li等人，2015年；Ye等人，2024年）。与传统的植被指数和纹理特征相比，基于光谱重建和颜色空间的方法为准确的田间尺度作物AGB估算提供了新的途径。
土壤和塑料薄膜在冠层反射率中引入了显著的干扰，扭曲了光谱指数，使纯植被信号的提取变得复杂。这些背景成分通过贡献混合光谱信息降低了作物生长监测的准确性。特别是塑料薄膜——在中国干旱和半干旱地区广泛采用的节水增产措施——由于其高反射率，进一步削弱了作物冠层的光谱信号。提出了几种方法来考虑土壤和塑料薄膜对冠层反射率的影响：（1）辐射传输模型基于物理原理模拟辐射、植被冠层和土壤之间的相互作用，但需要详细的冠层结构和生化参数，这些参数往往难以获得（Yang等人，2025年）；（2）植被指数提供了一种实用且常用的方法来减轻土壤干扰，例如通过结合经验土壤调整因子，如土壤调整植被指数（SAVI）；（3）使用替代指标（如植被覆盖分数FVC）来估算土壤贡献率。然而，大多数先前的研究仅考虑了土壤对植被冠层反射率特征的影响（Cheng等人，2024a；Cheng等人，2024b；Sudu等人，2022年；Zhai等人，2023年）。鉴于塑料薄膜和土壤之间的显著光谱差异，准确的AGB估算需要同时考虑这两种成分的光谱贡献。近年来，各种机器学习（ML）模型，如RF和SVM回归已被应用于作物AGB监测，显示出在提高预测准确性和计算效率方面的显著优势（Zhang等人，2025年；Zhu等人，2020年）。此外，特征选择对于保留最相关的特征同时去除无关噪声尤为重要，从而提高了模型性能（Yin等人，2023年）。
因此，在本研究中，通过结合颜色空间转换和基于冠层覆盖的背景校正方法进行了光谱特征重建，从而全面校正了由土壤和塑料薄膜引起的光谱干扰。我们使用机器学习模型和特征选择方法，在垄沟膜覆盖系统下估算了四个生长阶段（转绿、拔节、抽穗、灌浆期）的冬小麦AGB。本研究的主要目标是：（1）评估从RGB图像中得到的颜色空间转换特征在冬小麦AGB估算中的预测潜力；（2）评估（i）传统的植被指数和纹理特征组合（VT），（ii）将颜色空间转换特征整合到第一种策略中（VTSC），以及（iii）基于VTSC的光谱特征重建和重新建模（REVTSC）在冬小麦AGB估算准确性方面的表现；（3）比较和分析各种建模算法（RF、SVM和RR）在田间尺度冬小麦AGB估算中的适用性。
实验地点
冬小麦实验在位于中国陕西省杨陵区的教育部农业土壤与水资源工程重点实验室进行（34°17′N，108°04′E，海拔521米）。该地区地形平坦，年平均降水量为635毫米，年平均气温为12.9摄氏度。实验区域的气候类型属于易干旱的亚湿润气候。
垄沟覆盖冬小麦的地上生物量（AGB）分析及背景成分贡献估算
在2022–2023年和2023–2024年的生长季节中，AGB随着生长阶段的推进而增加（图3）。2022年的最低AGB出现在转绿阶段（1356.66 kg/ha；2023年为1250.41 kg/ha），而最高的AGB出现在灌浆阶段（2022年为14,775.13 kg/ha；2023年为16,830.38 kg/ha）。方差分析表明，在每个灌溉水平下，作物产量最初增加，然后随着氮含量的增加而下降。
颜色空间转换特征对AGB的响应
已知植被指数在中等到高冠层覆盖下会出现饱和现象，这显著限制了地上生物量（AGB）建模的准确性（Yue等人，2019年）。在我们的研究中，通过使用不同的特征组合有效缓解了这一问题。在三种建模方法（VT、VTSC和REVTSC）中，模型准确性随着生长阶段的推进而逐步提高，在灌浆阶段取得了令人满意的结果（R2和RMSE分别为0.81和
结论
本研究评估了高分辨率颜色空间转换特征和背景噪声减少策略在估算不同生长阶段（转绿、拔节、抽穗和灌浆）冬小麦地上生物量（AGB）中的应用。主要结论如下：
- (1)
冬小麦AGB对水分和氮管理有显著响应，在最佳氮水平（N2）和灌溉条件下增加。最高的生物量是在
CRediT作者贡献声明
杨旭：撰写——原始草稿、资源获取、调查、概念化。郭晓波：撰写——审阅与编辑、监督、资源管理、项目协调、资金获取。李鹏林：监督、调查、概念化。张正涛：监督、软件开发。魏春宇：验证、调查。杜亚丹：撰写——审阅与编辑、项目协调、方法论。孙博文：验证、监督、调查。程志凯：监督、方法论。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了国家自然科学基金（编号52479049）、国家重点研发计划（2021YFD1900700）、陕西省重点研发计划（2024NC-ZDCYL-02–08）以及中央政府指导地方科技发展资金（自由探索基础研究基金，中国2024ZY-JCYJ-02–41）的共同支持。
