基于高分辨率无人机多光谱影像的设计（基于高分辨率无人机多光谱影像的西非大豆估产研究）

大豆是一种豆科油料作物，随着撒哈拉以南非洲地区对油料和饲料需求的不断增加，大豆在保障油料供给中的作用日益凸显。然而，在撒哈拉以南的非洲地区，特别是西非地区，大豆产量较低，每公顷产量不到1吨。因此，国际热带农业研究所 (International Institute of Tropical Agriculture, IITA) 与非洲和美国的相关育种机构合作，协同开展大豆品种研发和测试工作。建立以表型分析技术为基础的品种评估新方法，有助于实现作物遗传改良，对推进IITA的大豆品种研发工作具有重要意义。因此，本研究探索基于无人机和机器学习技术的大豆估产方法，旨在利用高通量表型分析技术提高大豆育种效率、促进高产品种选育。

本研究利用senseFly eBee X固定翼无人机搭载的Parrot Sequoia多光谱相机，分别在五个不同的大豆品种试验中获取无人机多光谱影像。然后利用不同波段的反射率、植被指数、三维点云提取的大豆株高和灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)生成的影像纹理特征，构建基于无人机多光谱影像的大豆估产模型。本研究分别利用五种不同的机器学习算法建立大豆估产模型，包括Cubist，极限梯度提升(Extreme Gradient Boosting, XGBoost)，随机梯度提升(Stochastic Gradient Boosting, GBM)，支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)。实验结果显示，影像纹理特征比植被指数的估产效果更佳，因此可以替代植被指数成为更有效的大豆估产指标（图1）。此外，使用的五个机器学习算法均表现出较高的估产精度（图2），其中Cubist 和RF的估产精度最高，R2可以达到0.89。

因此，本研究提出了一种基于无人机遥感技术的大豆估产方法，为大豆品种评估提供了新的技术思路，不但可以提高品种评估效率，还可以从空间尺度对品种特性进行分析（图3），有助于进一步挖掘品种特性和缩短育种周期。

图1大豆估产模型精度图2不同机器学习算法的估产精度图3大豆实测产量与模型估测产量的空间分布图对比

来 源：Tunrayo R. Alabi, Abush T. Abebe, Godfree Chigeza, et al. Estimation of soybean grain yield from multispectral high-resolution UAV data with machine learning models in West Africa. Remote Sensing Applications: Society and Environment, 2022, 27: 100782.