南昌工程学院水利与生态工程学院鲁向晖教授团队在《农业机械学报》发表了题为“基于无人机多光谱遥感的矮林芳樟叶片精油产量反演”的研究论文，此研究采用无人机搭载长光禹辰公司自主研发的MS600 Pro多光谱相机，获取了南方红壤区芳樟矮林的多光谱图像，提取光谱指标用于芳樟矮林叶片精油产量反演。

一、研究背景

芳樟（Cinnamomum camphora (Linn.) Presl）是我国南方重要的木本油料植物及观赏树木，芳樟精油中的多酚类物质对多种疾病具有治疗作用。中国芳樟精油产业在世界农林业经济发展中具有巨大市场潜力，但芳樟精油产量受生长环境因素的影响较大，芳樟在科学种植与高效生产仍有很大的提升空间。因此，借助新兴科技手段，在芳樟收获前开展产量预测，诊断影响产量的环境因素，进而对田间施肥或灌溉进行科学指导，对芳樟精油产业发展具有重要意义。

二、数据采集

多光谱数据采集使用大疆M300 RTK型无人机，携带镜头为长光禹辰MS600 Pro多光谱相机，相机配备6个1/3英寸CMOS影像传感器，120万像素。

无人机飞行时间为12：00－14：00，飞行时天空晴朗无云，风力较小。起飞前在校准白板的正上方约1m处，采用相机单摄模式拍摄标准白板进行反射率标定。飞行设置航线为Z型，飞行高度为50m，航向和旁向重叠度分别设置为75%，相机镜头与地面呈90°，拍照模式为等时间间隔。

三、结果分析

利用相关文献得到的27种光谱指数，分析植被指数与精油产量的相关性，筛选出相关系数R最大的5个指数，修改型土壤调节植被指数（MSAVI）、优化土壤调节植被指数（OSAVI）、重归一化植被指数（RDVI）、土壤调整植被指数（SAVI）和非线性植被指数（NLI）。

以筛选出的5组植被指数组合作为自变量，以实测矮林芳樟精油产量作为响应变量，分别采用基于Libsvm工具箱建立的SVM、基于参数优化与训练的RF、基于Matlab的Neural-Net-work工具箱构建的BPNN构建估算模型。

当输入参量相同时，基于RF方法构建的矮林芳樟精油产量预测模型的精度显著高于SVM与BPNN模型，其验证集R2为0.869，RMSE为5.809 kg/hm2，MRE为5.545%。因此，RF模型可以作为矮林芳樟精油产量反演建模的首选方法。

四、研究总结

多光谱遥感技术涉及多个波长光谱的成像技术，可以用于分析芳樟的生长周期和成熟程度，预测收成时间和估计产量，该技术对于芳樟产业具有重要意义。

附：

[1]论文信息：鲁向晖,杨宝城,张海娜等.基于无人机多光谱遥感的矮林芳樟叶片精油产量反演[J].农业机械学报,2023,54(04):191-197+213.

[2]论文全文链接：http://www.j-csam.org/jcsam/ch/reader/create_pdf.aspx?file_no=20230418&flag=1&journal_id=jcsam