基于无人机-卫星影像尺度转换的谷子关键生育期叶绿素相对含量反演方法

来源：农业机械学报杂志2026年第1期北京时间：

作者：谢佳希，赵丽，周子轩，牛艺淳，宋鑫铭，于洁

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,

摘要：叶绿素相对含量（SPAD）是评估谷子生长势态与氮素营养状况的关键指标。为实现谷子关键生育期（拔节期、抽穗期、灌浆期、成熟期）叶绿素相对含量的高精度、广覆盖动态监测，本研究融合田块尺度的无人机与卫星多源遥感数据，提出一种基于改进灰狼优化算法（IGWO）优化长短期记忆神经网络（LSTM）的叶绿素相对含量反演模型。同步获取各关键生育期的无人机遥感数据、卫星遥感数据及地面点状SPAD实测值，通过地面实测样点的经纬度坐标，将点状SPAD值与对应位置的无人机影像像元、卫星影像像元进行空间匹配关联，构建影像-实测对应数据集；采用点扩散函数法（Point spread function, PSF）进行无人机影像的尺度上推，结合均值-方差法对卫星数据进行初步修正，再利用支持向量回归（Support vector regression, SVR）建立无人机-卫星多源遥感数据协同校正模型；基于校正后的高精度卫星数据，通过皮尔逊相关性分析与XG-Boost特征重要性排序，筛选对叶绿素相对含量敏感的光谱特征参数；引入非线性收敛因子提升灰狼优化算法的超参数寻优能力，最终构建IGWO-LSTM 叶绿素相对含量反演模型。结果表明，相较于其他重采样方法，点扩散函数法在升尺度过程中信息损失最小，处理后影像像元的平均值与标准差分别为0.103和0.056；经直方图匹配法校正后的卫星遥感数据有效保持原始光谱形状，光谱角映射值（Spectral angle mapper, SAM）低至0.062°；SVR算法在关键生育期的B/G/R/NIR 波段校正模型精度均最高，四波段决定系数分别为0.920、0.961、0.963、0.900；IGWO-LSTM 模型在关键生育期叶绿素相对含量反演中的决定系数（R2）达0.985，均方根误差（RMSE）为0.111，显著优于偏最小二乘回归（PLSR）、BP神经网络（BPNN）及随机森林回归（RF）等传统模型。本研究实现了谷子关键生育期叶绿素相对含量的精准动态反演，对作物生长智能监测与氮肥精准施用具有重要意义。

关键词：谷子;叶绿素相对含量;尺度转换;无人机;卫星遥感;协同校正模型

基金资助：河北省重点研发计划项目（19226421D）