考虑生育期差异的无人机高光谱自适应分数阶特征选择估算玉米地上生物量
Maize above-ground biomass estimation using UAV hyperspectral adaptive fractional-order feature selection considering growth-stage differences
研究单位：河南省科学院航天信息研究所
摘要：
地上生物量（AGB）是反映作物生长状况与产量形成过程的关键指标，精准估算地上生物量对玉米长势监测与田间管理具有重要意义。本研究利用无人机（UAV）高光谱反射率数据，对玉米 3 个生育期的地上生物量参数进行估算。首先，采用Grünwald-Letnikov分数阶微分（FOD）方法，对光谱数据进行处理，分数阶区间设置为 0～2，步长 0.2，构建候选光谱植被指数特征集。随后，基于统一的训练集 / 测试集划分方式，构建三种偏最小二乘回归（PLSR）建模方案，包含固定阶数方案（阶数v=0）、全局最优分数阶方案以及生育期特异性最优分数阶方案。针对每种方案，根据变量重要性投影（VIP）指标对特征进行排序，排名前 10 的特征用于构建模型，通过决定系数R2、均方根误差（RMSE）与归一化均方根误差（nRMSE）等指标对模型进行评价。结果表明：相较于固定阶数方案（v=0），分数阶优化能够提升玉米地上生物量估算精度，说明合理的分数阶变换能够增强光谱信息中对地上生物量的响应特征。三种方案中，生育期特异性最优分数阶方案表现出最佳的综合估算性能，其决定系数R2=0.91，均方根误差RMSE = 131.14 g/m²，并且在不同生育期表现出最强的适应性，尤其是在玉米中后期生长阶段优势更加明显。此外，通过进一步对比地上生物量实测值与预测值的分布特征可以发现，该方案在三个生育期均具备最优的数据分布匹配能力，能够更有效地保持并区分不同样地和样本之间的生物量差异。综上，研究表明，相较于统一分数阶优化方案，基于生育期自适应的分数阶优化方法更适用于多阶段玉米地上生物量估算，在精细化生物量监测和作物生长状态评估方面具有较大的应用潜力。
数据采集：
本研究使用X20P-LIR一体式多源遥感系统搭载于大疆 M300 无人机采集光谱数据。所有航飞作业均在上午 11:30 左右、光照稳定条件下实施，航向重叠度设置为 85%，旁向重叠度 75%。X20P-LIR高光谱传感器光谱覆盖范围 350～1000 nm，共计 164 个波段，光谱分辨率 4 nm，获取影像的地面采样距离约 1 cm。
表 1 X20P-LIR参数
研究方法：
图1 试验设计及 108 个采样小区分布（P1/P2/P3代表 3 个玉米品种；d1/d2/d3 代表 3 个种植密度梯度；底图为无人机高光谱合成影像，采用红波段 638 nm、绿波段 550 nm、蓝波段 470 nm 显示）。
图2 玉米生育期与无人机遥感观测。(a) 搭载 X20P-LIR 激光雷达- 红外高光谱一体化传感器的 M300 RTK 无人机；(b)(c)(d)分别对应玉米 3 个生育期
表2 两波段、三波段植被指数（VI）介绍
图3 本研究技术路线
图4 分数阶微分（FOD）处理后的玉米冠层光谱反射率曲线，阶数范围 0～2，步长 0.2
图 5 三种建模方案下基于投影变量重要性（VIP）筛选的前 10 个重要特征排序及其对应的最优分数阶。(a) 固定阶数 v=0；(b) 全局最优阶数 v；(c)–(e) 分生育期最优阶数 v。
图6不同生育期下三种建模方案基于偏最小二乘回归（PLSR）的地上生物量估算结果。(a)–(d) 固定阶数 v=0；(e)–(h) 全局最优阶数 v；(i)–(l) 分生育期最优阶数 v。
表3 三种方案的地上生物量估算精度对比。
图7 三种建模方案下三个生育期玉米地上生物量实测值与预测值分布一致性。(a)–(d) 固定阶数 v=0；(e)–(h) 全局最优阶数 v；(i)–(l) 分生育期最优阶数 v。
研究结论：
本研究基于多生育期无人机高光谱数据，系统评估了不同分数阶特征优选方案对玉米地上生物量（AGB）估算精度的影响。结果表明：相较于固定阶数方案（v=0），分数阶优化能够提升地上生物量估算精度，说明合理的分数阶变换可以强化光谱信息中对生物量变化敏感特征的表达能力。然而，对所有生育期采用单一最优阶数的全局最优分数阶方案精度提升效果有限，这表明统一的特征变换模式难以充分适应玉米生长过程中不同阶段的动态变化特征。相比之下，生育期特异性最优分数阶方案在三种方案中综合表现最优，不仅整体估算精度更高，在关键生育阶段也具备更强的适应性，尤其是在玉米生长的中后期阶段优势更加明显。分布特征分析进一步证实，该方案估算结果与实测地上生物量分布具有更高的一致性，能够更加准确地重现生物量的平均水平及其离散分布特征，从而更有效地保持和区分不同样地及样本之间的生物量差异。这一优势在玉米中后期生长阶段（第2阶段和第3阶段）尤为突出，此时冠层结构和植株生理状态变得更加复杂。从作物生理和光谱响应机制两方面来看，生育期特异性最优分数阶方案的优势主要来源于玉米不同生育期之前存在显著差异的冠层结构、叶面积指数、叶绿素含量、水分状况以及冠层散射特征。这些变化导致高光谱信号与地上生物量之间的关系具有明显的阶段依赖性。因此，基于生育期最优分数阶优化方案更加符合玉米生长过程中的的时间异质性，为多阶段生物量估算提供了更加合理和有效的建模框架。总体而言，本研究结果表明，针对玉米地上生物量估算，分生育期最优分数阶方案优于全局统一分数阶方案，在提升生物量监测精度、支撑精细化作物长势评估与田间管理等实际应用中具有较大的应用潜力。尽管本研究验证了分生育期最优分数阶方案在玉米地上生物量估算中的显著优势，但仍存在一定局限性。当前研究结论主要基于特定实验条件，包括样本数量、试验设计以及生育期划分方式，其在不同区域、不同玉米品种以及不同环境条件下的普适性仍需进一步验证。此外，本研究主要基于偏最小二乘回归（PLSR）模型框架开展分析，该方法有助于控制变量并凸显分数阶特征优化带来的效果，但也在一定程度上限制结论向其他建模方法推广。未来研究应进一步引入更加丰富的数据集和多种建模方法，例如随机森林、支持向量机以及深度学习等算法，以进一步验证生育期特异性最优分数阶方案的稳定性和泛化能力。综上，研究结果表明，在多阶段玉米地上生物量估算工作中，充分考虑生育期差异并采用生育期特异性分数阶优化方法是必要且有效的。该研究可为精细化生物量监测、多时相高光谱特征优化提供了重要的方法支撑。
