地上生物量"看"得见？无人机多光谱技术助力紫花苜蓿产量预测！

紫花苜蓿是一种营养价值很高的植物，被称为“牧草之王”。我国当前对紫花苜蓿的需求量无法做到自给自足，大力发展苜蓿是未来农业发展的方向。

地上生物量主要反映植物生产力水平以及物质积累，叶绿素是植物进行光合作用不可或缺的色素。测量并得到准确的地上生物量和叶绿色含量是评价作物产量和生长情况的重要一环。多光谱数据和SVM优化模型的结合，可以帮助我们估测紫花苜蓿的地上生物量和叶绿素含量。

2.1无人机多光谱影像的获取

本试验采用多旋翼无人机搭载美国MicaSense的五通道多光谱相机RedEdge-MX进行紫花苜蓿多光谱影像的采集。试验地为江苏省扬州市扬州大学扬子津校区选择适宜在南方种植的紫花苜蓿不同品种21个, 每个品种4个小区, 每个小区面积3 m× 2 m, 播种量为2g· m-2, 行距20 cm, 每个小区9行。

2.2 地上生物量(AGB)的测定

采集紫花苜蓿的地上部分, 放置65 ℃烘箱内烘干。等待其完全干燥后, 取其地上部分重量的平均数, 再乘以试验地的种植密度, 得到该小区的紫花苜蓿地上生物量。

2.3叶绿素的提取

选取叶片, 用二甲基亚砜(DMSO, 分析纯)于60 ℃避光条件下恒温水浴约2 h, 直到叶片呈白色为止, 取出上清液待测。分别检测上清液于665和649 nm处的吸光度, 计算叶绿素含量。

2.4波段选取

21个不同品种紫花苜蓿的波段反射率

多光谱相机自带5个波段 蓝光(475 nm)、 绿光(560 nm)、 红光(670 nm)、 红边(720 nm)和近红外(840 nm)。通过查看多光谱相机收集到的多光谱影像，观察到不同品种的紫花苜蓿在band3（红光）和band5（近红外）反射率差异较大，因为选取这两个波段进行紫花苜蓿的筛选以及植被相关指数的计算。

2.5模型选择

在预估模型的选择上, 采用支持向量机(support vector machine, SVM)及其经过智能算法优化后的模型进行不同品种紫花苜蓿品种的叶绿素含量和地上生物量值的数据训练和测试,旨在构建准确率较高的预估模型快速且有效估算不同品种紫花苜蓿的地上生物量和叶绿素含量。