13342856916

烟草叶绿素反演:导数变换结合特征提取,让无人机高光谱的“信号”更干净

发布时间:2026-11-13
浏览次数:207

烟草叶绿素含量直接关联光合能力、长势与品质。无人机高光谱提供了大面积、无损监测的可能,但原始光谱中混杂着土壤背景

烟草叶绿素含量直接关联光合能力、长势与品质。无人机高光谱提供了大面积、无损监测的可能,但原始光谱中混杂着土壤背景、冠层结构和光照条件带来的噪声,直接建模往往精度受限。近期《测绘工程》2026年第3期刊发的一项研究,围绕“如何从高光谱数据中提取更有用的特征”这一环节,给出了一个可参照的对比结论。

 

高光谱精细化研究


研究做了什么:把导数变换和三种特征提取算法放在一起比

祁向前等来自龙岩学院、山西省煤炭地质勘查研究院和黑龙江科技大学的研究者,首次将导数变换与PCA(主成分分析)、SPA(连续投影法)、CARS(竞争性自适应重加权采样)三种特征提取算法结合,处理烟草旺长期与成熟期的无人机高光谱影像,构建并验证叶绿素及氮元素反演模型。

研究覆盖了三种施氮水平(N1:45 kg·hm⁻²,N2:60 kg·hm⁻²,N3:75 kg·hm⁻²),结果首先确认了一个基础事实:不同生育期和施氮量下,烟草光谱反射率存在可观测的差异;而一阶导数变换显著增强了光谱与叶绿素之间的相关性。这意味着,原始反射率中不够突出的叶绿素信号,经过导数处理后被“提”了出来。

 


关键结论:CARS胜出,组合策略有效

在特征提取算法的横向比较中,CARS的表现优于PCA和SPA。FD-CARS-LR(一阶导数+CARS+线性回归)模型在R²和RMSE两个指标上均为最优。研究进一步指出,导数变换单独使用时,反演精度的提升有限;而导数变换与特征提取算法结合后,精度提升变得显著。这条结论的实践含义在于:预处理和特征筛选不是可有可无的“附加步骤”,它们共同决定了模型能从高光谱数据中提取出多少有效信息。

 

高光谱-烟草叶绿素2


对烟草种植与品质管理的参考价值

对于烟草种植管理和品质评估的行业用户,这项研究的参考意义落在两个层面。

其一,技术路线的可复现性。 研究采用无人机平台和公开可获取的算法组合(导数变换、PCA/SPA/CARS、线性回归),不依赖特殊硬件或闭源模型,为有高光谱数据条件的用户提供了一条门槛相对可控的验证路径。

其二,特征提取环节的优先级。 不少高光谱应用将注意力集中在模型选择上,而这项研究提示:在样本量和波段数既定的条件下,前端特征提取的质量对最终精度的影响可能不亚于模型本身。CARS优于PCA和SPA的结果,为面临类似“波段多、样本有限”场景的用户提供了一个值得优先尝试的选项。

需要说明的是,该研究基于特定品种、特定生态条件的大田数据,模型在其他产区的直接迁移效果仍需本地化验证。但就方法层面而言,它清晰地展示了“导数变换+竞争性特征筛选”在高光谱叶绿素反演中的可行性与比较优势。

我们持续关注高光谱成像在农业定量遥感中的方法进展,为行业用户提供从无人机载光谱采集到特征提取与建模环节的底层支撑。如果您正在评估烟草或类似作物叶绿素监测的技术路线,欢迎就波段配置与数据处理流程做更具体的交流。


本文标签: 叶绿素烟草科研成果

联系我们

Contact us
广东赛斯拜克技术有限公司
  • 地址:广州市增城区新城大道400号智能制造中心33号楼601
  • 电话:13342856916   13342856916
  • 邮箱:3nh@3nh.com
  • 网址:http://www.sinespec.cn
Copyright © 2026 广东赛斯拜克技术有限公司 版权所有
  • 公司联系方式
    QQ
  • 网站首页
    首页
  • 公司联系电话
    电话
  • 返回
    返回顶部