通过融合热红外成像和多光谱图像研究大豆叶片相对叶绿素含量的反演方法

《Precision Agriculture》：Study on the inversion of soybean leaf relative chlorophyll content by integrating thermal infrared and multispectral images

　　

摘要

背景

叶片相对叶绿素含量（SPAD）是评估作物生长和发育的重要指标。然而，单一的遥感数据源在监测作物生理指标方面存在局限性。

目的

为了克服传统多光谱遥感中的信息饱和瓶颈。

方法

本研究在黄土高原地区进行了大豆田间试验。采用单通道像素级融合方法将热红外图像与多光谱图像进行融合，以相关性绝对值大于0.45且方差最小的前六个植被指数作为输入特征。使用了五种机器学习模型——极限梯度提升（XGBoost）、随机森林（RF）、装袋法（Bagging）、决策树（DT）和反向传播（BP）——来构建融合前后不同大豆生长阶段的SPAD反演模型。

主要结果

融合热红外图像与多光谱图像的模型准确性通常高于未融合的模型。在繁殖生长阶段，反向传播（BP）模型表现出最高的反演准确性，其在测试集上的R2值为0.94，RMSE为0.61，MAPE为1.10%。图像融合带来的模型准确性提升主要体现在繁殖生长阶段，其中XGBoost模型的R2值增幅最大。

结论

这表明热红外数据能有效缓解大豆生长中后期多光谱信息饱和的问题。

意义与影响

为多源遥感在精准农业中的应用提供了理论基础和技术支持。