基于无人机高光谱数据与OPTRAM模型的农田土壤湿度估算

首页 ꄲ 应用领域 ꄲ 精准农业 ꄲ 基于无人机高光谱数据与OPTRAM模型的农田土壤湿度估算

迁移学习与OPTRAM模型相结合基于无人机高光谱数据估算农田土壤湿度

英文: Combing transfer learning with the OPtical TRApezoid Model （OPTRAM） to diagnosis small-scale field soil moisture from hyperspectral data

研究单位

西北农林科技大学

摘要

准确、及时、连续的土壤水分信息有助于作物胁迫诊断和灌溉管理决策。基于光学卫星数据的光学梯形模型（OPTRAM）已被证明是一种有效的土壤水分状况评估方法。然而，OPTRAM在小规模田间土壤水分评估中的适用性仍有待探索。该研究提出了一种遗传参数化的OPTRAM策略，并评估其在无人机（UAV）高分辨率高光谱数据上的适用性。结果表明：（1）当使用PROSAIL生成的数据集对OPTRAM进行遗传参数化时，在近红外（NIR）（750-850 nm）和SWIR（1060-1080和1450-1500 nm）光谱区域内确定了46个特征窄带波段（|R|=0.52-0.78）；（2）通过迁移学习策略对土壤水分估算模型进行微调，在3种作物中实现了可靠的土壤水分估算（R2=0.57-0.64；RMSE=0.008-0.022m3m-3）；（3）与使用单一光谱区域（NIR或SWIR）的土壤水分估算模型相比，结合NIR和SWIR的DSWC模型对土壤水分的追踪效果更佳；（4）将微调后的土壤水分估算模型应用于高分辨率无人机影像时，观察到了尺度效应，模型性能在1-7 cm像素尺寸内稳定，在11 cm像素尺寸时开始下降。以上结果推动了OPTRAM在小规模农田土壤水分评价中的应用，彰显了OPTRAM在窄带高光谱数据上的应用潜力。该研究为利用高光谱数据估算土壤水分提供了新的候选方法，为精准农业和灌溉调度提供了科学支持。

研究数据

高光谱数据：高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用革命性的画幅式高光谱成像技术，能够以更快的速度进行所有光谱通道同步成像，在1/1000秒内获得整个高光谱立方体数据，配套功能强大的测量技术及处理软件，快速获取大面积高光谱图像，影像具有厘米级地理坐标信息。

研究过程

图1 方法概述：（a）OPTRAM模型；（b）从光谱波长（400-2500 nm）对OPTRAM模型的评估；（c）DSWC模型的网络结构；（d）DSWC模型网络参数微调示意图。

图2 DSWC模型在PROSAIL-5B生成数据集上的表现：（a）、（d）和（g）分别为DSWC-N、DSWC-S和DSWC-NS估算的土壤水分分布散点图；（b）∼（c）、（e）∼（f）和（h）∼（i）是LCC和LAI对估算精度影响的分析；C1∼C4代表0~20、20~40、40~60和60~80μg/cm2（LCC）。