山东理工大学农业工程与食品科学学院兰玉彬团队在agriculture发表了题为“Inversion of Cotton Soil and Plant Analytical Development Based on Unmanned Aerial Vehicle Multispectral Imagery and Mixed Pixel Decomposition”的研究论文。

此研究采用搭载长光禹辰公司自主研发的MS600 Pro V1多光谱相机的多旋翼无人机，获取了棉花多生育期的多光谱图像，利用特征筛选对SPAD敏感特征进行了提取，并采用回归方法和机器学习方法进行模型构建，最终获得了泛化性能较好的棉花的SPAD反演模型。

探讨利用影像分割方法去除无人机多光谱遥感影像中的土壤和阴影等背景干扰，提高多光谱影像反演棉花冠层叶绿素含量模型的精度。本文获取了3个不同高度（30m、50m和80m）的棉花蕾期冠层的无人机多光谱影像。基于植被指数阈值(VIT)、支持向量机监督分类（SVM）、线性混合像元分解（SMA）和多端元混合像元分解(MESMA)四种方法对多光谱影像中的棉花、土壤和阴影等背景进行分割；利用分割后的多光谱影像提取棉花冠层的光谱信息，计算了8种植被指数，并构建特征集；采用偏最小二乘回归(PLSR)、随机森林(FR)和支持向量回归(SVR)算法构建棉花叶绿素含量的反演模型，分析了不同分割方法对棉花冠层光谱信息提取精度和叶绿素反演模型精度的影响。

结果表明：(1)利用4种影像分割方法去除土壤和阴影等背景干扰，可以提高光谱信息提取精度，其中MESMA分割后的影像计算的植被指数与棉花冠层叶绿素含量相关性提高最多；(2)在三种不同飞行高度下，采用MESMA方法分割的多光谱影像计算的植被指数作为输入变量，SVR模型在反演棉花叶绿素含量精度最优，R²分别为0.810、0.778和0.697；(3)在80米飞行高度下，结合SVR模型和四种分割方法得到的棉花SPAD反演精度与原始影像相比，R²分别提高了2.2%、5.8%、13.7%和17.9%。因此，采用MESMA混合像元分解方法可有效去除多光谱影像中的土壤和阴影，尤其为 提高混合像元较多的低分辨率影像农作物生理参数反演精度提供参考。

研究表明，利用无人机多光谱影像数据，能够及时、准确提棉花的SPAD信息，科有效的监测棉花的SPAD变化，为棉花田间管理提供了一种有效的技术手段。

附：

[1] 论文信息：by Bingquan Tian、Hailin Yu、Shuailing Zhang、Xiaoli Wang、Lei Yang，Jingqian Li、Wenhao Cui、Zesheng Wang、Liqun Lu、Yubin Lan and Jing Zhao.Agriculture2024, 14(9), 1452.

[2] 论文全文链接：https://www.mdpi.com/2077-0472/14/9/1452