摘要
苹果是中国的主要经济作物之一，其生产和消费规模均居全球首位。高标准智慧果园的建设是向精细化管理模式转变的必然需求，而化肥减量增效可以推进农业绿色可持续发展。果树养分诊断和长势监测技术是实现果园精准管理的重要手段，然而我国在该领域的研究还不够充分，需要进一步加强。叶绿素和类胡萝卜素等光合色素是表征苹果树长势的关键参数，实时、准确地监测光合色素含量是实现智慧果园管理的重要环节。本文以监测苹果树叶绿素含量为目标，基于近地遥感平台构建苹果树叶片尺度光合色素反演模型，评估树叶聚集效应对冠层叶绿素含量反演的影响，进而构建冠层尺度的叶绿素含量反演模型。 (1)针对苹果树叶片尺度的光合色素含量反演，分数阶导数的使用可以增强光谱特征信息，并降低背景噪声。本研究旨在探究分数阶导数耦合机器学习算法在反演苹果树叶片光合色素方面的表现。该方法基于叶片400～2500nm光谱反射率数据，通过相关性分析明确了不同分数阶导数变换下的敏感特征变量，使用机器学习算法构建了叶片光合色素反演模型。同时还评估了该模型在不同物候期的稳定性。结果表明，分数阶导数驱动的机器学习方法比原始光谱或植被指数(Vegetation Index,VI)驱动的机器学习方法具有更好的表现。具体而言，0.2阶导数驱动的支持向量回归(Support Vector Regression,SVR)是最佳的叶绿素含量反演模型(R2=0.78);0.4阶导数驱动的SVR是最佳的类胡萝卜素含量反演模型(R2=0.75）。本研究证明了分数阶导数驱动的机器学习算法可以提高苹果树叶片光合色素含量的反演精度，该方法可以为冠层尺度叶绿素反演提供准确的先验知识数据集。 (2)苹果树冠层内部的树叶空间聚集效应会直接影响到冠层尺度的叶绿素含量反演。本研究旨在评估树叶聚集效应对冠层叶绿素含量反演的影响。首先，构建不同树叶聚集水平的三维冠层模型，使用LESS辐射传输模型模拟冠层反射率并计算植被指数。其次，筛选出适用于不同树叶聚集水平的植被指数。然后，利用敏感性分析评估树叶聚集效应对植被指数和叶绿素含量之间关系的影响。最后，采用人工神经网络回归算法训练模拟数据集来实现冠层叶绿素含量反演。结果表明:(ⅰ)在不同树叶聚集水平下，苹果树绿叶像素与地面背景像素的比例关系存在差异，显著影响冠层叶绿素含量反演;(ⅱ)在所选的植被指数中，TCARI/OSAVI与叶绿素含量保持稳定的关系;(ⅲ)构建的冠层叶绿素反演模型在不同树叶聚集水平(树叶聚集因子＞0.6)都获得了准确的估算结果，R2范围为0.49～0.67。因此，在使用3D辐射传输模型反演叶绿素含量时，建议考虑冠层树叶聚集效应以提高反演精度。 (3)针对辐射传输模型反演异质果树冠层叶绿素含量时普遍存在的病态反演问题，通过创建更加精细的三维冠层模型来进一步降低冠层结构效应的影响，并使用叶绿素和类胡萝卜素之间的先验知识约束反演过程，以此来提高冠层叶绿素含量的估算精度。首先对比实测的无人机多光谱反射率和LESS模型模拟的冠层光谱反射率，并建立植被指数查找表，然后耦合了光合色素先验知识以构建单木尺度的冠层叶绿素含量反演模型，最后使用无人机数据验证了模型准确性。结果表明:(ⅰ)LESS模型可以有效模拟苹果树冠层反射率，与实测的反射率具有较高的一致性(RMSE=0.02);(ⅱ)GNDVI驱动的冠层叶绿素含量反演模型的估测结果最佳(R2=0.84,RMSE=24.12μg/cm2)，可以准确地估测单木尺度冠层叶绿素含量。该模型可以利用高分辨率图像估算异质苹果树单木尺度的冠层叶绿素含量，在果树的精准营养管理方面具有重要的应用潜力。
NETL