基于无人机多源遥感信息融合的冬小麦叶片氮素含量监测方法OA

实时监测氮素养分状态对于提高肥料效率和作物产量、品质至关重要。作物氮素监测在精准农业中具有重要意义,但传统的土壤和叶片采样方法难以满足大范围、实时监测的需求。本研究结合RGB与多光谱传感器的多源数据,构建了冬小麦叶片氮含量(Leaf nitrogen content,LNC)估算模型,旨在提升氮素监测精度。首先基于无人机RGB与多光谱影像提取冬小麦的多源特征信息,并通过结合Pearson相关性分析与变量投影重要性(Variable importance in projection,VIP)的“两段式”特征筛选策略识别关键变量,融合颜色空间、纹理和光谱特征参数进行LNC估算。结果表明,融合模型在不同生育期的估算精度显著优于单一传感器模型,R^(2)提高了0.03~0.16,RMSE降低了0.02~0.10个百分点,NRMSE减少了0.61~3.90个百分点,其中SVR模型表现最佳。研究表明,多源遥感信息融合能够有效提升LNC估算精度,突破了单一传感器的局限,为精准农业提供了新的技术方法和理论支持。