利用无人机衍生植被指数在异质性热带田间条件下估算‘Tifton 85’百慕大草的高度和叶面积指数

《Precision Agriculture》：Estimating height and leaf area index of ‘Tifton 85’ bermudagrass using UAV-derived vegetation indices under heterogeneous tropical field conditions

　　

目的：基于无人机（UAV）的遥感可支持非破坏性和空间化的牧场监测，特别是在异质性热带系统中。本研究评估了源自可见光和近红外（NIR）光谱的无人机衍生植被指数（VIs）在高度空间变异条件下估算‘Tifton 85’百慕大草冠层高度和叶面积指数（LAI）的潜力。方法：研究人员于2023年5月15日至6月22日期间的五次田间调查中，在55个地理参考采样点测量了平均冠层高度和LAI。利用多光谱无人机影像导出10个VIs。采用斯皮尔曼相关系数（Rs）评估VIs与观测变量之间的关系。研究人员拟合了简单非线性模型，并使用决定系数（R2）和估计标准误差（SEE）进行评估，同时利用独立数据集通过R2、均方根误差（RMSE）和修正Willmott指数（d_mw）进行测试。结果：基于近红外（NIR）的指数与牧场参数表现出最强的关系。与LAI类似，冠层高度与某些VIs高度相关（Rs > 0.80），且对非线性模型拟合良好（R2 > 0.64）。然而，高度模型的测试性能较差（R2 < 0.25，d_mw < 0.49，nRMSE > 40%），低于LAI的测试结果（R2 < 0.72，d_mw < 0.64，nRMSE > 22%）。总体而言，最佳性能来自使用归一化差异植被指数（NDVI）或可见光大气抗性指数（VARI）的多项式模型（用于高度）以及使用绿色归一化差异植被指数（GNDVI）的指数或幂函数模型（用于LAI）。结论：在异质性热带田间条件下，无人机衍生的多光谱VIs在估算和空间建模‘Tifton 85’参数（尤其是LAI）方面显示出潜力。

**论文解读：基于无人机衍生植被指数的‘Tifton 85’百慕大草冠层高度与叶面积指数估算研究**

**研究背景与问题**

热带牧场是热带畜牧系统的基础饲料来源，但传统管理方式往往将广阔牧场视为均质单元，缺乏对空间异质性的精准监测。冠层高度和叶面积指数（LAI）是表征牧草生长状态和生物量潜力的关键生物物理参数，其精准估算对于实现精准畜牧管理、优化放牧周期和施肥策略至关重要。然而，现有研究多基于线性或非线性回归模型，且大多针对温带或均质环境，缺乏在热带异质性田间条件下针对特定品种（如‘Tifton 85’百慕大草）的模型校准。热带地区特有的高热量振幅、不规则降水以及土壤类型和水分状况的空间变异，导致冠层结构复杂，使得传统植被指数（VIs）的预测精度面临挑战。此外，土壤-植物-大气连续体界面的光谱响应特性（如裸露土壤或水分胁迫）在异质性环境中如何影响参数化模型的性能尚不明确。因此，亟需开展研究，评估基于无人机（UAV）多光谱影像的VIs在异质性热带田间条件下估算‘Tifton 85’百慕大草冠层高度和LAI的潜力，并探索简单非线性模型的适用性。

**研究开展与结论**

研究人员在巴西东南部里约热内卢州Seropédica市（22° 47' 05" S, 43° 40' 44" W；海拔36 m）约9公顷的‘Tifton 85’百慕大草实验田进行了研究。该区域气候为热带稀树草原气候（K?ppen分类Aw），土壤为典型贫瘠红黄超嗜土。研究人员于2023年5月15日至6月22日期间进行了五次田间调查，在55个随机分布的地理参考采样点测量了冠层高度（使用毫米级精度直尺，每点5次测量取均值）和LAI（使用便携式冠层分析仪LP-80 AccuPAR，基于光合光子通量密度衰减估算）。同步利用无人机（Phantom 4 Multispectral，配备多光谱相机，包含蓝、绿、红、红边和近红外5个波段）获取影像，经辐射定标和几何校正后生成正射影像，并计算10个VIs（包括NDVI、GNDVI、SAVI、ARVI、VARI、VDVI等）。通过斯皮尔曼相关系数（Rs）评估VIs与观测参数的关系，并利用60%的数据（高度n=32，LAI n=16）拟合七种非线性模型（二、三次多项式、对数、指数、幂函数等），用剩余40%数据（高度n=22，LAI n=13）通过R2、RMSE、rRMSE和修正Willmott指数（d_mw）测试模型性能，最终选择最优模型生成空间分布图。

研究发现：基于近红外（NIR）的VIs（如NDVI、SAVI、GNDVI）与冠层高度和LAI的斯皮尔曼相关系数最高（Rs>0.80），而可见光波段指数VARI和VDVI也表现良好。在模型拟合阶段，高度模型R2最高达0.639，但测试阶段性能下降（R2<0.25，d_mw<0.49，nRMSE>40%）；LAI模型则表现出更强的鲁棒性，测试阶段R2可达0.72，d_mw≤0.64，nRMSE≤22%。最佳模型为：基于NDVI或VARI的二、三次多项式模型用于高度估算（但三次多项式模型易产生负值需截断），基于GNDVI的幂函数或双参数指数模型用于LAI估算。空间建模显示，模型能准确捕捉冠层高度和LAI随时间增长的趋势，但高度模型在部分像元产生负值（需截断），而LAI模型预测值均在合理生物学范围（如最大LAI约5.43 m2 m?2）。该研究发表于《Precision Agriculture》，表明UAV多光谱VIs在异质性热带牧场中具有估算和空间建模LAI的潜力，为精准畜牧管理提供了低成本、非破坏性的诊断工具。

**关键技术方法**

研究人员主要采用了以下关键技术方法：（1）基于无人机（UAV）多光谱影像获取与处理：使用Phantom 4 Multispectral无人机，在5个日期获取90 m高度的多光谱影像（蓝、绿、红、红边、近红外波段），通过Agisoft Metashape软件进行辐射定标、几何校正（使用24个地面控制点和15个检查点，基于GNSS RTK测量）和正射影像生成；（2）植被指数（VIs）计算：在QGIS中利用栅格计算器，从正射影像中提取10个VIs（包括NDVI、GNDVI、SAVI、ARVI、VARI、VDVI等），并在55个采样点周围1 m半径缓冲区计算均值；（3）统计建模与验证：采用斯皮尔曼相关系数筛选VIs，对分组后的数据（高度按1 cm间隔，LAI按0.1 m2 m?2间隔）拟合七种非线性模型（二/三次多项式、对数、指数、幂函数），利用60%数据拟合、40%数据测试，评估指标包括R2、SEE、RMSE、rRMSE和d_mw；（4）空间建模：将最优模型逐像元应用于正射影像（重采样为1 m分辨率），生成冠层高度和LAI空间分布图。样本队列来源：55个地理参考采样点，分布于巴西Seropédica市约9公顷的‘Tifton 85’百慕大草实验田。

**研究结果**

**探索性分析与VIs与高度和LAI的相关性**：斯皮尔曼相关分析显示，包含NIR波段的多光谱指数（如NDVI、SAVI、ARVI、GNDVI）与冠层高度和LAI均呈强显著正相关（Rs>0.80）；可见光指数VARI和VDVI也表现一致（Rs=0.76）；土壤颜色指数（SCI）与高度呈显著负相关（Rs=-0.76），表明其对衰老生物量或裸露土壤敏感；三角植被指数（TGI）相关性不显著。

**基于VIs的‘Tifton 85’属性估算模型**：拟合与测试阶段表现出差异。高度模型拟合R2较高（最高0.639），但测试性能差（R2<0.25）；LAI模型测试性能优于拟合。基于NDVI的二、三次多项式模型和基于VARI的二次多项式模型在高度估算中表现最佳，但三次多项式模型产生极端负值，实际应用受限。基于GNDVI的幂函数和双参数指数模型在LAI估算中精度和准确度最高；对数模型和部分多项式模型不推荐，因产生不可靠外推。

**通过VIs表示LAI和冠层高度的光谱模型**：模型准确捕捉了时间和空间变异，冠层高度和LAI的平均变异系数分别为56%和51%，反映了实验区的异质性。尽管存在杂草和裸土干扰，模型仍能复现作物生长行为，估计值在‘Tifton 85’的特征范围内（高度可达1 m，LAI最大约5.43 m2 m?2）。

**讨论与结论总结**

讨论部分指出，模型性能低于部分前人研究（如Oliveira, 2024对Megathyrsus maximus的估算），主要归因于实验区杂草和裸土增加的空间异质性。基于VARI的可见光模型在统计上可媲美多光谱模型，但空间建模时表现较差，因为VARI缺乏归一化结构，对极端像元值敏感。模型在异质性区域产生负值或不合理外推，需截断处理，提示多项式模型存在过拟合和不稳定风险。LAI模型整体优于高度模型，符合预期。研究建议未来采用多元回归或机器学习算法（如人工神经网络、随机森林）以增强模型鲁棒性。结论翻译如下：对Cynodon dactylon (L.) cv. ‘Tifton 85’的生物特征和生物物理参数的估算，最有效地通过基于NIR的VIs实现。具体而言，基于NDVI的二、三次多项式模型在冠层高度估算中表现最佳，而基于GNDVI的幂函数和双参数指数模型在LAI估算中更优。NIR依赖指数（NDVI和GNDVI）相对于可见光指数（VARI和VDVI）的持续更高性能，强化了NIR波段在检测生物量和冠层结构中的生理重要性，这一发现可能适用于类似热带条件下其他‘Tifton 85’生产系统。基于UAV亚轨道遥感获取的VIs所拟合和测试的光谱模型，在估算和空间化生物物理与生物特征建模方面显示出潜力，尤其对于Cynodon dactylon (L.) cv. ‘Tifton 85’的LAI。然而，其应用需谨慎考虑所选函数的数学性质；多项式和对数模型尽管在校准范围内统计拟合度高，但容易产生物理上不真实的外推（如负值），特别是在存在裸土或杂草干扰的异质性田间。尽管VIs的性能层次反映了稳健的生物学趋势，但具体模型系数可能受本研究场地空间异质性的影响。因此，这些模型可作为基于UAV亚轨道遥感在牧场中的强基线；然而，在将其转移到不同地理区域或管理条件时，建议进行场地特定重新校准或应用像元截断技术。对于仅使用RGB传感器的生产者，VARI和VDVI仍然是可行且经济有效的替代方案，前提是可接受的精度降低。未来研究应探索从简单单变量回归向多元回归和人工智能算法（如机器学习、深度学习）的过渡，以更好地捕捉本研究中观察到的非线性和环境噪声，从而可能提高模型在不同牧场景观中的可转移性和鲁棒性。