中国农科院| English| 数字农科院| 综合办公平台| 邮箱登陆| 联系我们
智慧农业团队突破作物生长核心指标逐日智能监测技术难题
发布者：管理员发布时间：2023-11-23作者：李文娟来源：智慧农业团队点击量：
近日，中国农业科学院农业资源与农业区划研究所智慧农业团队开发了基于近地面多波段微型光谱仪监测冬小麦每日连续叶面积指数和叶绿素的方法，为实现近地面多参数连续、同步监测提供了有利的工具。相关研究成果以“Daily monitoring of Effective Green Area Index and Vegetation Chlorophyll Content from continuous acquisitions of a multi-band spectrometer over winter wheat”为题发表在《Remote Sensing of Environment》上。
作物生长核心指标逐日智能监测是智慧农业的关键部分，基于农业物联网的逐日监测有助于快速监测作物长势、发现病害等引起的变化，并为精准施肥、灌溉和收割提供决策支持数据。
叶面积指数(LAI)、叶片叶绿素含量(LCC)和冠层叶绿素含量(CCC)是与作物长势密切相关的关键参数。同步、连续、高精度监测LAI、LCC和CCC对于保持参数之间的一致性和进行田间精确管理至关重要。以往的研究主要使用RGB相机估算LAI，该方法虽然对监测仪器设备要求较低，但无法实现对叶绿素的有效监测，同时，由于缺乏对作物特征响应波段的机理解析，导致对LAI等指标监测精度低。如何发展作物生长指标光谱精准感知机理模型，构建作物生长全过程逐日智能监测技术体系，是当前智慧农业科学研究与产业发展面临的关键问题。
本研究提出了一种新的算法，从安装在田间的固定微型多波段光谱仪(包括红、红边和近红外等6个波段)和光合有效辐射(PAR)传感器的连续观测数据中，计算出每日LAI、LCC和CCC。在自然环境下，使用安装在近地表平台上的微型光谱仪观测数据反演参数会面临三个关键科学问题：光谱观测数据的辐射校正、每个光谱波段的散射系数和如何考虑一天内的多角度观测。针对以上问题，该算法包括三个步骤：（1）基于6S大气辐射传输模型的模拟，根据与PAR散射系数的关系估算各光谱波段的散射系数；（2）以所有六个波段近地面测量平均值为参考值，分别计算每个波段相对于该参考值的相对反射率，降低光照条件变化对反射率带来的影响，用以取代绝对辐射校正；（3）耦合PROSAIL冠层辐射传输模型和Roujean核驱动模型，利用计算得到的每个波段光谱散射系数和每日多角度相对观测数据，使用人工神经网络反演计算每日LAI、LCC和CCC。该算法在29个麦田安装的43个IoTA (农业物联网)系统上进行了评估。结果表明，该算法提供了较好的参数估计结果，LAI、LCC和CCC均方根误差(RMSE)分别为0.54，12.06µg/cm2和0.23 g/m2。
研究中使用的微型多波段光谱仪价格低廉、性价比很高，具有在大面积农田监测中使用的价值。本研究开发的算法显示了从连续地面测量中同时估计LAI、LCC和CCC的巨大潜力，它可扩展到其他植被或其他近地表平台上用于估算LAI、LCC和CCC，以及其他多种参数。研究成果为智慧农业智能监测研究和应用提供了理论与实践依据。
本研究联合法国农科院等国际顶尖科研机构共同开展，得到了中国农业科学院国际科学计划（CAAS-ZDRW202107）和国家自然科学基金（42201388）的资助。中国农业科学院农业资源与农业区划研究所李文娟研究员为该论文的第一作者，李文娟研究员与吴文斌研究员为通讯作者。
原文链接：https://www.sciencedirect.com/science/article/pii/S0034425723004340
