300TC機載高光譜成像儀助力美洲黑楊健康監測

美洲黑楊（Populus deltoides Marshall）是一種重要的速生用材樹種，廣泛栽培于中國溫帶平原地區。它生長迅速、早熟、豐產、易于更新，因此在生態防護林和工業用材林中具有廣泛應用。研究其表型性狀，特別是葉片葉綠素含量（LCC），對于篩選出適應不同環境和管理條件的優良基因型至關重要。

為什么不再“采一片葉子”？

傳統測定葉綠素含量的方法依賴實驗室化學分析，不僅操作繁瑣、耗時長，而且具有破壞性。對于覆蓋數千株樣木的大型試驗林來說，這種方法顯然難以適應大范圍、高頻率的監測需求。

遙感技術，尤其是無人機搭載高光譜傳感器的應用，為這一問題提供了有效解決方案。研究表明，葉綠素對光具有特定吸收特性，尤其集中在可見光和紅邊波段。通過獲取葉片反射的光譜信息，研究人員可以“無接觸式”地反演葉綠素含量，實現對林分健康狀態的快速評估。

圖 1. 研究區域位置。

本研究選取湖北省石首縣國家優質楊樹種苗基地為研究區域，如圖1所示，開展無人機高光譜數據獲取與建模分析工作。該區域種植面積約 83,600平方米，共有 3000余株不同基因型的美洲黑楊，具備良好的實驗基礎。

圖 2. DJI 350M無人機搭載300TC高光譜成像儀。

設備：DJI 350M 無人機搭載 300TC 高光譜成像儀（北京依銳思遙感技術有限公司）

光譜通道數：308

波段范圍：393–1007nm

空間分辨率：20cm/像素

飛行時間：5月14日 10:00–15:00，天氣晴朗、風速較低

影像處理軟件：Mega Cube v11.0.13（北京依銳思遙感技術有限公司），用于輻射、幾何及正射校正

同時，現場采集了葉片樣本，通過實驗室分析獲得真實的LCC值，用于模型訓練與驗證。

圖 3. 美洲黑楊樹葉的收集、儲存和 LCC 提取。

01 從數據中“找關鍵波段”：集成特征選擇框架

面對海量的光譜數據，如何從中篩選出與葉綠素密切相關的波段，是模型構建的關鍵。

本研究提出了一種集成特征選擇框架，融合多種算法優勢，在不同機器學習模型（如 GBRT、SVR、GPR）下實現了高效穩定的波段子集提取。具體做法包括：

改進嵌入式特征選擇算法，引入SHAP解釋值，增強波段排序的可解釋性；

綜合嵌入式與包裝器方法，提升特征選擇的全局最優性；

重點關注紅邊波段（680–760 nm）的作用，改善高LCC區間的估計偏差。 

圖4. (a) GBRT模型在逐步降維過程中的RMSE值；(b) SVR模型在逐步降維過程中的RMSE值；(c) GPR模型在逐步降維過程中的RMSE值。

圖 5 (a) GBRT-50V 和 GBRT-Optimal 模型中使用的高光譜波段；(b) SVR-50V 和 SVR-Optimal 模型中使用的高光譜波段；(c) GPR-50V 和 GPR-Optimal 模型中使用的高光譜波段。

02 精度表現如何？

在以28個精選波段和GBRT模型組合的最佳方案中，LCC估算模型表現優異：

R²=0.848

RMSE=1.454 μg/cm²

MAE=1.121 μg/cm²

相比全波段模型，RMSE降低了24.37%

03 研究結論與意義

本研究表明：

集成特征選擇方法具有更強魯棒性與解釋能力，在多模型間表現穩定；

紅邊波段對LCC估算模型貢獻顯著，是精度提升的關鍵；

無人機高光譜遙感技術在林木表型研究中具備巨大潛力，有望在優良種質篩選、健康監測、精準施肥等方向中實現應用推廣。本研究展示了遙感與人工智能在林業育種與管理中的融合應用，不僅提升了數據獲取效率，也推動了林木性狀研究向高通量、智能化方向發展。