Resonon+LR1601--利用高光譜遙感評估玉米農(nóng)田生態(tài)系統(tǒng)的雜草競爭力

      雜草通過與玉米爭奪養(yǎng)分、陽光、空間和水分而影響玉米的正常生長。然而，保持合適的雜草多樣性具有控制農(nóng)業(yè)害蟲、保持土壤和促進養(yǎng)分循環(huán)等生態(tài)功能。為了更好控制雜草危害，需要確定雜草和作物的競爭作用以進行差異化生態(tài)雜草管理。三葉期以后，玉米通過根系吸收養(yǎng)分和水分，通過葉片光合作用合成有機物。這一時期，作物雜草開始與其競爭資源，但由于資源比較充足，競爭并不明顯。隨著作物和雜草的不斷生長，競爭強度逐漸增加，因此，玉米-雜草競爭研究主要集中在玉米幼苗階段后期。雜草競爭會導致作物形態(tài)結構和生理發(fā)生變化，造成玉米產(chǎn)量嚴重的經(jīng)濟損失。及時準確的競爭壓力評估對于生態(tài)雜草管理至關重要。已有研究發(fā)現(xiàn)高光譜遙感可以快速、可靠和無損估算植物對競爭、病蟲害、水資源短缺和鹽等脅迫因子的響應。主要理論基礎是雜草競爭造成的植物生理變化會改變光吸收和冠層反射特性。而無人機遙感和深度學習相結合可以在大尺度量化競爭響應。

      基于此，在所附的文章中，來自東北農(nóng)業(yè)大學的研究團隊應用高光譜遙感（HRS）技術于2021年5月至9月在中國哈爾濱的東北農(nóng)業(yè)大學向陽示范基地（45°45′N，126°54′E）進行了競爭試驗。主要研究目標為：（1）揭示雜草競爭和玉米結構、生理信息之間的機制關系，設計CCI表達和量化玉米-雜草競爭特征；（2）利用HRS揭示農(nóng)田群落的競爭關系并定位其敏感光譜區(qū)域以及（3）利用3D-CNN深度學習模型預測玉米早期雜草競爭。

      作者于2021年5月6日在試驗區(qū)進行定密播種。試驗區(qū)分為模型訓練區(qū)和驗證區(qū)。雜草密度設置為5個處理（1-5，N0-N4）：0株植物/cm²，20株植物/cm²，40株植物/cm²，80株植物/cm²和160株植物/cm²。每個處理重復3次，共15個樣地。利用DJ M600 Pro UAV搭載高光譜成像（Resonon Pika L高光譜相機）和激光雷達（LR1601-IRIS機載激光雷達系統(tǒng)（依銳思，北京理加聯(lián)合科技有限公司））于2021年6月12日晴朗天氣下收集光譜數(shù)據(jù)。并同時測量地面實況數(shù)據(jù)，包括玉米表型數(shù)據(jù)（株高（PH），莖粗（ST））、生理信息（氣孔（氣孔導度和蒸騰速率）、熒光（光合速率和電子轉移速率）和養(yǎng)分）以及采樣位置坐標信息。然后設計CCI以表達和量化玉米-雜草競爭特征。最后，進行光譜預處理、數(shù)據(jù)集建立、3D-CNN網(wǎng)絡模型開發(fā)、模型實現(xiàn)和應用。
 

光譜圖像處理，包括（a）光譜采集裝置，（b）試驗區(qū)設計，（c）綜合競爭指數(shù)設計，
（d）圖像預處理去除土壤背景值，（e）高光譜降維，（f）數(shù)據(jù)集分割，以及（g）深度學習網(wǎng)絡模型。

【結果】

模型應用效果。（a）驗證區(qū)域的光譜圖像；（b）CCI-A分布圖；（c）CCI-T分布圖。

【結論】

      競爭指標CCI-A和CCI-T可以從形態(tài)結構、生理和生化等多方面表達和量化玉米-雜草的競爭特征。特別是CCI-A對累積參數(shù)的表達比單個RCI有更好的適應性。然而，CCI-T受到農(nóng)田環(huán)境中多種不可控因素的影響，在生理參數(shù)表達上存在一定波動。

       HRS和3D-CNN模型相結合可以實現(xiàn)雜草競爭指標的高通量無損預測。當利用VIP分數(shù)最高的13個波段時，在競爭水平5令人滿意的預測精度表明所提出模型的穩(wěn)定性。HRS和深度學習相結合具有早期田間雜草脅迫預測潛力。它可以為雜草破壞之前及時準確的作物恢復提供指導，并且可以避免雜草侵害對農(nóng)業(yè)生態(tài)系統(tǒng)和作物生長的影響。

請點擊下方鏈接，閱讀全文：
​https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650313218&idx=1&sn=fcc4a91a941aea4b12f2ded6baa39ba3&chksm=bee1befd899637eb10cdf12509d87a44bd2b4f398f5c3ed45041e85384c521a14dc83abc417a&token=839426694&lang=zh_CN#rd