冬小麦净光合速率高通量估算的可迁移光谱模型：基于叶片与无人机高光谱数据的跨尺度方法

《Frontiers in Plant Science》：Transferable spectral models for high-throughput estimation of winter wheat net photosynthetic rate: a cross-scale approach using leaf and UAV hyperspectral data

　　

净光合速率(NPR)是表征光合能力的关键指标，直接决定生物量的产生与积累。基于多尺度传感器（如地面光谱辐射计与无人机平台）的无损传感技术在同时实现高精度、强可迁移性与高通量监测方面面临挑战。本研究针对光谱模型跨尺度扩展的方法学缺口，以冬小麦NPR估算为对象，利用叶片高光谱反射率建立估算模型，并通过统计表征与校正地面光谱辐射计与无人机高光谱测量间的光谱差异，将模型扩展至无人机平台。首先将原始光谱反射率转换为相关植被指数(VI)，采用竞争自适应重加权采样(CARS)与连续投影算法(SPA)提取敏感特征；随后利用随机森林(RF)与偏最小二乘回归(PLSR)构建NPR估算模型；最终以决定系数(R2)与均方根误差(RMSE)比较八种模型性能，并将不同生长季无人机影像输入最优模型生成空间监测图。结果表明，原始反射率转为植被指数显著提升模型表现，RF精度明显优于PLSR，其中VI-SPA-RF模型预测性能最佳；经有效校准，系统实现了从地面光谱辐射计到无人机高光谱成像的跨尺度应用。综上，本研究证实了光谱—生理关系在时间尺度与传感平台间的稳健性与可迁移性，为作物光合作用的高通量业务化监测提供方法支撑。

研究背景与立项依据

冬小麦是全球三大主粮之一，其产量关乎粮食安全，而净光合速率(NPR)直接决定生物量积累，是光合能力的核心指标。传统气体交换法（LI-6800）虽准却费时费力，难以高通量；高光谱技术为非破坏、快速估测光合能力提供途径。地面光谱辐射计可精准解析生理机制但无法覆盖田块尺度，无人机(UAV)高光谱可高通量但受冠层异质性、土壤背景与品种差异影响，直接建模稳定性差，已有研究未能真正实现“地面—无人机”跨尺度迁移。因此，研究人员以河北辛集两生长季水氮双因素试验为样本队列，尝试建立地面叶片光谱→NPR模型，再统计校正无人机与地面的光谱分布差异，实现跨平台迁移。

主要技术方法概览

研究人员在河北辛集开展Exp.1（2021—2022）与Exp.2（2023—2024）冬小麦水（W0/W50/W75/W100按蒸散量ET计）×氮（N0—N4：0—360 kg N hm^-2）正交试验；Exp.1用SVC HR-1024i测旗叶光谱，LI-6800测NPR；Exp.2用DJI M300 RTK搭载Cubert X20 Pro（350—1002 nm）获冠层高光谱。建模链路为：33个植被指数(VI)计算→Pearson相关筛除10个→CARS与SPA分别做特征选择→随机森林(RF)与偏最小二乘回归(PLSR)各建4类模型（原始反射率/VI × CARS/SPA）→4:1划分训练验证集、五折交叉验证、网格搜索调参→以R²与RMSE评价→用pickle持久化最优模型，对无人机VI做z-score标准化并按训练域均值方差重映射（分布对齐），保留地理投影输出GeoTIFF监测图。

研究结果

3.1 NPR对水氮的响应

旗叶NPR随灌水量增加显著上升，W100最高；施氮呈先升后降，N3（300 kg N hm^-2）达峰，N4过量略降；花后(DAR)动态为14 DAA峰值、28 DAA锐减。表明水分亏缺与氮过剩均抑制光合。

3.2 不同水氮下叶片光谱特征

可见光（350—760 nm）与短波红外（1420—2500 nm）反射率随灌水增加下降，近红外（760—1300 nm）相反；氮处理下可见带呈N0>N1>N4>N2>N3，近红外反向。光谱变化与叶绿素、含水量吸收带（如1830—2080 nm水吸收）机理吻合。

3.3 敏感特征选择

Pearson相关保留23个VI；CARS在50次运行中第22次最优，全波段压缩至2.4%、VI组合压缩34.8%；SPA选7个原始波段（含可见光叶绿素带、700—770 nm红边、1000—1300 nm）或8个VI，压缩更狠（原始0.7%）。CARS额外捕获中红外水/CO₂吸收带。

3.4 模型构建

VI组合优于原始反射率，RF优于PLSR；最优VI-SPA-RF训练集R²=0.8907、RMSE=1.8504，验证集R²=0.8457、RMSE=2.4299。阶段上DAA1—21稳定（R² 0.85—0.90），DAA28降至0.64；氮水平上N4最佳（R² 0.93）、N0最差（0.78）。晚期枯熟样本NPR实测为0但预测非零，占6%，予以保留。

3.5 模型验证（跨平台）

对Exp.2无人机影像经分布对齐后输入VI-SPA-RF，输出NPR空间图（1.85—23.47 μmol m^-2 s^-1）。图件正确反映生长阶段上升（4.16—5.8）、氮水平正响应、品种间差异（JM22与GY2018），成熟期一致性略降。

讨论部分总结

水促NPR线性上升因干旱抑酶，氮呈阈值效应（N2—N3最优、N4过旺遮荫）；光谱机理与叶绿素/水含量吸收一致。SPA波段紧扣光合色素与红边，CARS补入中红外水分信息，二者皆合理。RF胜出说明NPR—光谱关系非线性和多因子耦合（叶绿素、气孔、叶肉、冠层结构），PLSR线性假设受限。局限在于：VI在极端衰老/缺氮下受土壤背景干扰，DAA28与N0—N1偏差大；灌溉变异捕捉偏弱。未来方向为去土壤背景、融纹理/热红外/叶绿素荧光。

结论部分翻译

本研究针对变水氮下冬小麦，融合地面光谱辐射计与无人机高光谱建立NPR高通量估算模型。不同水氮处理NPR差异显著，为建模提供多样样本；高光谱各波段响应明确。CARS与SPA均有效降维，SPA将敏感变量压至原始0.7%。反射率转VI显著提升表现，VI-SPA-RF最优（训练R² 0.8907/RMSE 1.8504，验证R² 0.8457/RMSE 2.4299）。通过统计表征地面—无人机光谱差异并做VI归一化校正，无人机影像可直接入模，实现田间NPR准确高通量监测。该跨尺度可迁移框架兼顾地面精度与无人机通量，证实可行，亦可为其他作物参数监测提供参考；后续将引入热红外与叶绿素荧光提升精度。论文发表于《Frontiers in Plant Science》。