近日，武汉大学遥感信息工程学院巫兆聪教授和硕士生罗俊涵在International Journal of Applied Earth Observation and Geoinformation (JAG) 发表题为“Estimation of wheat kernel moisture content based on hyperspectral reflectance and satellite multispectral imagery”(基于高光谱反射率曲线和多光谱卫星影像的小麦籽粒含水率监测)的研究成果。

籽粒含水率是小麦重要的参数之一。在小麦国家质量标准GB1351-2008中明确要求，对于收购、存储、运输、加工和销售的商品小麦，含水率不得高于12.5%。收获前后的小麦籽粒含水率的监测对农业水分管理以及小麦粮食品质保证至关重要。本研究针对这一现实需求，提出了基于多源光谱数据的小麦成熟末期田间籽粒含水率分布以及收获后期小麦籽粒含水率的估测的方法（图1）。本研究组于河南淇县高标准农田开展了采样实验，收集到一手的小麦籽粒含水率以及光谱资料，并通过本文提出的方法，在小麦穗部含水率以及田间小麦籽粒含水率的监测任务上均实现了较高的精度（R²>0.85）。

图一 基于多源光谱数据的小麦籽粒含水率预测框架与步骤

小麦籽粒含水率的快速变化对遥感监测提出了挑战。在小麦籽粒含水率达到生理成熟期时（40%），植株生长逐渐停止，环境干燥过程主导该阶段的小麦籽粒含水率下降过程，该过程仅需约10天便可达到收获标准（12.5%）。但由于卫星影像重访周期和云覆盖等因素的限制，直接导致了观测影像空缺，间接导致样本分布差距，降低回归器的鲁棒性。本研究中采取了三项措施解决该问题：（1）我们选择新发布的PlanetScope八波段地表反射率产品，该数据源基本上能实现地表每天覆盖，能确保对目标田块更加频繁的有效观测。（2）通过融合多源光谱数据提高模型预测精度（图二）。由于穗部高光谱能够室内测量，数据获取方式更加便捷，我们在收获前期使用ASD光谱仪对大量具有一定含水率梯度的小麦进行了穗部高光谱的采集（图三），并使用Two-Stage Tradaboost.R2方法将高光谱特征域迁移到多光谱特征域。（3）探索了田间小麦籽粒含水率的下降模式，即便在当日无观测影像的情况下也能基于历史数据进行籽粒水分含量的预测。

图二 基于Two-Stage Tradaboost.R2方法融合多源光谱数据的田间小麦籽粒含水率预测技术流程图

图三 不同籽粒含水率下对应的小麦穗部高光谱（a）原始光谱（b）包络线增强光谱

基于本研究采用的数据预处理、特征提取、光谱特征域迁移等方法，搭建了小麦籽粒含水率预测模型，基学习器采用了Ridge、SVR和RF三种方法进行对比，数据源收集了Sentinel-2多光谱影像进行对比，得到如下两点结论：

（1） 当小麦进入生理成熟期时，黄红色和短波红外光谱区是小麦籽粒含水率的敏感光谱范围。在麦穗的高光谱数据中，这两个光谱区域存在明显的光谱吸收谷和相关性曲线拐点。在多光谱卫星数据中，这些光谱区域内的波段和植被指数可以获得更好的预测性能，如PS上的B5、S2上的B11和12以及植被指数PSRI。（2） 单点在线检测和田间区域检测中，RFR均优于其他模型（Ridge和SVR）。在田间区域检测中，Two-stage Tradaboost.R2进一步提高了模型精度。在测试集上，PS和S2的R2分别提高了2.3%和7.8%，RMSE分别降低了16.9%和22.0%。

基于PlanetScope预测实验时间范围内的田间小麦籽粒含水率分布图（图四）。在大约12天的时间里，小麦KMC从大约50%下降到10%，这与小麦的实际成熟过程一致。使用基于谷物平衡含水率的谷物干燥方程对该下降趋势进行拟合（R²=0.97, RMSE=0.022），该方程二阶零点位置为x=6.87，y=0.28处。基于该方程拟合结果，该研究区块小麦籽粒含水率的初始值为46%，并在28%处下降速率达到最快，即蜡熟期持续约7天，完熟期持续约5天。

图四 基于PlanetScope影像的不同日期下田间小麦籽粒含水率分布图

注：网站后端自动压缩图片，点击原文链接查看高清图片

文章引用：

Zhaocong Wu, Junhan Luo, Keyi Rao, Haoyu Lin, Xiaohui Song, Estimation of wheat kernel moisture content based on hyperspectral reflectance and satellite multispectral imagery, International Journal of Applied Earth Observation and Geoinformation, 2024[J]. https://doi.org/10.1016/j.jag.2023.103597