高效的N肥使用產(chǎn)出需要平衡最小的環(huán)境污染和最大的產(chǎn)量，N素使用效率是目前精準農業(yè)中重要問(wèn)題之一。于2017年6月，應用無(wú)人機高光譜成像系統對八種不同氮處理的冬小麥進(jìn)行了高光譜圖像采集。高光譜成像儀采用美國RESONON公司的Pika-L，波段范圍400-1000nm，系統集成了慣導測量系統（IMU）和穩定云臺，可以獲得較高精度的光譜分辨率和空間分辨率的數據。同時(shí)在地面采集并獲得冬小麥的葉綠素含量（CHL）、葉面積(LAI),利用偏最小二乘法進(jìn)行反演估算，(RLAI?2= 0.79, RMSELAI [m2m2]?= 0.18,?R2CHL?= 0.77, RMSECHL [_g cm-2]?= 7.02)，并采用多元線(xiàn)性回歸模型進(jìn)行了產(chǎn)量估測（R2產(chǎn)量＝0.88，RMSEfield[dt ha-1]=4.18）。利用該模型，可以對高光譜圖像進(jìn)行像素水平的預測。結果表明，在一定施氮量以上，進(jìn)一步施肥不一定會(huì )繼續導致產(chǎn)量增加，為高光譜精準農業(yè)研究提供了一定了理論支持。
1?實(shí)驗設計
試驗田位于德國西北部的奧斯納布呂克大學(xué)，包括8個(gè)處理，6個(gè)施氮水平。氮肥水平選擇在0到150 kg ha-1，如圖所示，不同顏色代表了不同的處理。
圖1研究區域
2?數據處理
高光譜傳感器采用美國RESONON公司的PikaL,無(wú)人機系統采用大疆無(wú)人機DJI S1000,以及SBG慣導系統和穩定云帶裝置（圖2）。
圖2 高光譜機載系統現場(chǎng)照片
幾何校正前????????????幾何校正后
3?結果和分析
圖7?LAI偏最小二乘回歸（PLSR）模型預測值與實(shí)測值比較 圖8?CHL偏最小二乘回歸（PLSR）模型預測值與實(shí)測值比較
利用高光譜數據采用偏最小二乘法模型進(jìn)行LAI和CHL的估測，模型精度分別為LAI:R2?= 0.79，RMSE=0.182，CHL:R2?=0.77，RMSE=7.016。整個(gè)研究區域的LAI預測如（圖9）所示，接近于零的LAI值主要出現在田間地塊之間的狹窄的壟帶上，由于這些相鄰像素的影響，LAI值仍然大于零。LAI估值低于1個(gè)地塊（地塊3、17和21）無(wú)需額外施肥。地塊（4、9和14）值主要介于1和2之間，該區的施氮量為50 kg ha-1。含有125和141千克HA1礦物和有機肥料的地塊混合料（5、7、13、15、16和19號地塊）的LAI值低于純礦物施肥地塊。其他大部分地塊LAI估值在2-3之間。含有125和141千克礦物和有機肥料的混合料（地塊5、7、13、15、16和19號地塊）的LAI值低于相同數量的純礦物施肥地塊。
不同地塊的CHL預測(圖10 )總體上比LAI更加獨特，并且在相同處理的地塊內顯示出明顯的異質(zhì)性。最低CHL預測值( 0–20g·cm2?)位于地塊之間的人行道上。相鄰像素的混合光譜使得其數值大于零值。大約在20至40g·cm2之間的值主要出現在沒(méi)有額外施肥的地塊(地塊3、17和21 )和施肥量為50 kg·ha-1的地塊。施肥含量在141千克ha-1礦物和有機混合物處理下，葉綠素含量會(huì )更高( 40 - 60g·cm2?)。含有125 kg ha-1礦物和有機肥的地塊顯示出比僅含有相同量礦物肥料的地塊(地塊1、6和8 )更低的CHL (地塊5、7和13 )。125、141和150 kg ha-1處理的地塊內CHL最高( > 80g·cm2?)。具有相同處理的地塊根據它們在實(shí)驗中的位置顯示出了細微差異(地塊11、12與22 )。
4?結論
1 介紹了一種基于無(wú)人機的高光譜推掃系統，該系統能夠記錄高空間分辨率和光譜分辨率的數據，非常適合于調查，特別是在較小的區域，如精準農業(yè)中的單一農場(chǎng)。通過(guò)所展示的硬件組合，可以證明，在無(wú)人機上使用推掃式相機可以克服畸變、拼接等傳統問(wèn)題的影響，并有效利用與快照式相機相比的高光譜分辨率和光譜分辨率的優(yōu)勢。同時(shí)，應用經(jīng)驗線(xiàn)校正的輻射校正顯著(zhù)改善了信號質(zhì)量。
?2 基于無(wú)人機的高光譜數據的LAI和CHL預測具有很好的空間分辨率。通過(guò)LAI或CHL預測，區分不同處理的地塊?？梢酝ㄟ^(guò)該技術(shù)在精確農業(yè)領(lǐng)域進(jìn)行可靠的農田參數反演。這一信息可以在施肥前用于計算所需的最佳氮量，并以精確的方式施用，從而減少環(huán)境破壞而不損失產(chǎn)量。