摘要：玉米葉片葉綠素含量的空間異質(zhì)性對(duì)其監(jiān)測(cè)精度有影響。本研究旨在基于無(wú)人機(jī)遙感技術(shù)探究玉米葉片葉綠素相對(duì)含量（SPAD值）與植被指數(shù)間的關(guān)系，從而明確指示葉位、無(wú)人機(jī)的最佳飛行高度。采用隨機(jī)森林法構(gòu)建基于植被指數(shù)的葉綠素相對(duì)含量遙感估算模型，并進(jìn)行模型的評(píng)價(jià)。結(jié)果表明，玉米灌漿期葉片的葉綠素相對(duì)含量高于乳熟期葉片的葉綠素相對(duì)含量，植株中部葉片的葉綠素相對(duì)含量高于上部、下部葉片的葉綠素相對(duì)含量。在玉米灌漿期與乳熟期，玉米葉片SPAD值的指示葉位為第5葉，當(dāng)無(wú)人機(jī)飛行高度為20 m時(shí)，模型的精度最高[決定系數(shù)（R2）=0.94]。研究結(jié)果可為提高葉綠素相對(duì)含量遙感監(jiān)測(cè)的精度提供技術(shù)支撐，并為農(nóng)作物的田間智能化管理提供理論依據(jù)。

關(guān)鍵詞：玉米；葉綠素；無(wú)人機(jī)；遙感；指示葉位；智能

中圖分類(lèi)號(hào)：X87文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4440（2024）07-1234-11Unmanned aerial vehicle remote sensing inversion of relative chlorophyll content of maize leaves and identification of their indicator leaf at different flight altitudesLI Ruixin ZHANG Baolin PAN Lijie1，NIU Panting Siqingaowa HE Meiling

（1.College of Chemistry and Environmental Science， Inner Mongolia Normal University， Hohhot 010020， China;2.Inner Mongolia Key Laboratory of Environmental Chemistry， Hohhot 010020， China;3.Inner Mongolia Water-saving Agriculture Engineering Research Center， Hohhot 010020， China）

Abstract：The detection accuracy of chlorophyll content in maize leaves is affected by spatial heterogeneity. The purpose of this study was to investigate the relationship between relative chlorophyll content （SPAD value） and vegetation indices of maize leaves based on unmanned aerial vehicle （UAV） remote sensing technology， so as to clarify the indicator leaf and the best UAV flying altitude. The remote sensing estimation model of relative chlorophyll content based on vegetation indices was constructed by random forest method， and the model was evaluated. The results showed that relative chlorophyll content in maize leaves at grain filling stage was higher than that at milking stage， and relative chlorophyll content of middle leaves was higher than that of upper and lower leaves. During the grain filling stage and milking stage， the SPAD value of maize leaves was indicated by the fifth leaf， and the best precision for the regression model （R2=0.94） was obtained when the flying altitude of UAV was 20 m. The results can provide technical support for improving the accuracy of remote sensing monitoring of relative chlorophyll content， and provide theoretical basis for crop smart management in the fields.

Key words：maize;chlorophyll;unmanned aerial vehicle;remote sensing；indicator leaf;intelligence

玉米是中國(guó)第一大糧食作物，玉米生產(chǎn)對(duì)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展具有重要意義。葉綠素含量是反映農(nóng)作物光合效率、氮素脅迫、水分供給和發(fā)育狀況的指標(biāo)[1]。葉綠素含量對(duì)農(nóng)作物產(chǎn)量有重要影響，是玉米冠層重要的生理生化參數(shù)。玉米葉綠素含量的分布表現(xiàn)出垂直異質(zhì)性[2-3]，不同生育時(shí)期、不同葉位葉片的葉綠素含量均不同，從而給準(zhǔn)確監(jiān)測(cè)玉米冠層的葉綠素含量帶來(lái)了挑戰(zhàn)。

“分層切片”是進(jìn)行傳統(tǒng)葉綠素含量監(jiān)測(cè)的主要手段，主要借助化學(xué)方法[4]、葉綠素計(jì)[5]、地物光譜儀[6]和熒光技術(shù)[7]等對(duì)葉片葉綠素含量進(jìn)行監(jiān)測(cè)，研究過(guò)程費(fèi)時(shí)費(fèi)力，難以大面積推廣應(yīng)用。定量遙感技術(shù)的出現(xiàn)，極大地推動(dòng)了葉片、冠層生化參數(shù)（如葉綠素含量等）的反演[2]。研究發(fā)現(xiàn)，使用SPAD葉綠素儀獲取葉片的SPAD值，可代替?zhèn)鹘y(tǒng)方法用于測(cè)定葉片葉綠素相對(duì)含量。葉片的SPAD值越高，表明植物的生長(zhǎng)活力越強(qiáng)，長(zhǎng)勢(shì)越好[8]。然而，目前葉綠素儀僅適用于葉片的單點(diǎn)測(cè)量，為了實(shí)現(xiàn)植物冠層或大面積葉片葉綠素相對(duì)含量的監(jiān)測(cè)，可根據(jù)植物的葉綠素相對(duì)含量、水分含量、干物質(zhì)含量等形成的特有光譜特征構(gòu)建植被指數(shù)，對(duì)植被狀況進(jìn)行評(píng)估[9]，以反映植被特征信息。通過(guò)建立植被指數(shù)與葉綠素相對(duì)含量之間關(guān)系的統(tǒng)計(jì)模型，可以估算葉片的葉綠素相對(duì)含量[10]。目前，人們廣泛使用的植被指數(shù)有50余種[11]，已成為遙感反演植被葉綠素相對(duì)含量、覆蓋度、葉面積指數(shù)、生物量、凈初級(jí)生產(chǎn)力和光合有效輻射吸收等生物物理與生物化學(xué)參數(shù)的重要技術(shù)指標(biāo)。

近年來(lái)，由于無(wú)人機(jī)遙感（UAV）具有機(jī)動(dòng)靈活、便捷性強(qiáng)、數(shù)據(jù)采集成本低、影像分辨率高、對(duì)天氣變化不敏感等優(yōu)點(diǎn)[12]，使其在農(nóng)業(yè)等眾多領(lǐng)域呈現(xiàn)出較好的應(yīng)用前景。在基于無(wú)人機(jī)遙感技術(shù)構(gòu)建玉米葉綠素相對(duì)含量反演模型的過(guò)程中，已有的研究大多基于冠層、葉片的分層觀測(cè)數(shù)據(jù)，沒(méi)有細(xì)化到具體葉位，可能會(huì)造成信息丟失[13]。同時(shí)，由于玉米株型高大，葉綠素相對(duì)含量的垂直變化規(guī)律主要表現(xiàn)在生育中后期，而目前的研究主要集中于生育前期[3]，因此基于無(wú)人機(jī)遙感的玉米生育中后期葉綠素相對(duì)含量的垂直變化規(guī)律有待進(jìn)一步研究。此外，無(wú)人機(jī)的飛行高度會(huì)影響葉綠素相對(duì)含量的估算結(jié)果[14]。但是，無(wú)人機(jī)的飛行參數(shù)設(shè)定大多依賴(lài)于經(jīng)驗(yàn)，在保證飛行安全、無(wú)障礙物、圖像清晰、無(wú)人機(jī)風(fēng)場(chǎng)不產(chǎn)生擾動(dòng)的情況下設(shè)定飛行高度，往往無(wú)法使傳感設(shè)備的利用效率實(shí)現(xiàn)最大化，從而使試驗(yàn)成本增加，耗費(fèi)人力物力。在對(duì)田間作物表型進(jìn)行監(jiān)測(cè)的過(guò)程中，隨著無(wú)人機(jī)飛行高度的增加，影像空間分辨率下降，獲取的信息細(xì)節(jié)減少，使得光譜信息發(fā)生明顯變化，可能出現(xiàn)混合像元[15]。但是，當(dāng)飛行時(shí)間大幅縮短時(shí)，影像數(shù)量減少，后期影像處理耗時(shí)縮短，從而提高了工作效率[14]。在對(duì)全試驗(yàn)區(qū)域進(jìn)行拍攝時(shí)，無(wú)人機(jī)影像可能會(huì)受到飛行姿態(tài)、鏡頭畸變的影響，需要通過(guò)預(yù)處理獲得正射校正影像[16]。在多旋翼無(wú)人機(jī)的續(xù)航時(shí)間內(nèi)，當(dāng)飛行高度從90 m降低到30 m時(shí)，相同面積的影像數(shù)量增加了200張，從而降低了采樣效率，增加了拼接時(shí)間[15]。因此，研究無(wú)人機(jī)飛行高度對(duì)獲取作物信息準(zhǔn)確性的影響，對(duì)于優(yōu)化飛行策略、提高無(wú)人機(jī)飛行效率、降低作業(yè)成本具有重要意義[14]。研究發(fā)現(xiàn)，通過(guò)設(shè)置不同無(wú)人機(jī)飛行高度或圖像重采樣法[14]可以模擬無(wú)人機(jī)飛行高度對(duì)影像分辨率的影響。圖像重采樣法可最大限度地防止外界環(huán)境變化對(duì)圖像質(zhì)量造成的干擾，但易受到原始數(shù)據(jù)的質(zhì)量、降采樣高斯權(quán)重隨機(jī)參數(shù)等的影響[16]。對(duì)不同農(nóng)作物的研究發(fā)現(xiàn)，拍攝高度對(duì)表型參數(shù)的估算精度存在一定影響。在對(duì)玉米葉綠素相對(duì)含量的預(yù)測(cè)研究中，大多采用單一飛行高度[17]，一般為40～75 m。

為了探索在不同飛行高度下獲取的無(wú)人機(jī)影像對(duì)作物表型反演的影響，提高無(wú)人機(jī)的采樣效率，有效利用續(xù)航時(shí)間，本研究擬在玉米的灌漿期、乳熟期基于無(wú)人機(jī)可見(jiàn)光遙感技術(shù)研究無(wú)人機(jī)的不同飛行高度下玉米不同生育時(shí)期、不同葉位葉片的SPAD值與可見(jiàn)光植被指數(shù)間的關(guān)系及無(wú)人機(jī)遙感的敏感葉位，探究無(wú)人機(jī)遙感對(duì)玉米葉片葉綠素相對(duì)含量的反演能力，以期為葉片葉綠素相對(duì)含量的精準(zhǔn)監(jiān)測(cè)和田間作物管理提供技術(shù)支撐。

1材料與方法

1.1研究區(qū)域概況

研究區(qū)域位于內(nèi)蒙古呼和浩特市，平均海拔為1 000 m。該地區(qū)屬于溫帶大陸性氣候，年均降水量為320 mm，空氣干燥，年平均日照時(shí)數(shù)約為3 000 h。

1.2葉綠素相對(duì)含量的測(cè)定

試驗(yàn)地點(diǎn)位于111°38′52″E，40°41′25″N，總面積約為1.2 hm2，根據(jù)試驗(yàn)要求，將試驗(yàn)區(qū)劃分為10個(gè)小區(qū)（圖1）。玉米品種為瑞普686，播種時(shí)間為5月上旬，收獲時(shí)間為9月下旬，行距為0.45 m，株距為0.30 m。地面數(shù)據(jù)的采集與無(wú)人機(jī)遙感同步，使手持全球定位系統(tǒng)（GPS）與航點(diǎn)飛行配合，用SPAD-502plus手持葉綠素儀測(cè)定玉米葉片的SPAD值。每個(gè)小區(qū)選取3株玉米，自上而下測(cè)定全部葉片的SPAD值。測(cè)量時(shí)避開(kāi)葉脈，分別在葉基、葉中、葉尖測(cè)定2次SPAD值，取其平均值作為該葉片的SPAD值[18]。每個(gè)小區(qū)選用3株玉米相同葉位葉片的平均SPAD值表征該葉位葉片葉綠素相對(duì)含量。由于下部葉片衰老、干枯、不完整等，全株玉米有13～14張葉片時(shí)即可測(cè)定葉綠素相對(duì)含量。

1.3無(wú)人機(jī)影像的獲取與預(yù)處理

用大疆無(wú)人機(jī)Mavic3M搭載可見(jiàn)光相機(jī)進(jìn)行圖像采集，無(wú)人機(jī)飛行高度設(shè)為10 m、15 m、20 m、25 m、50 m和75 m，相機(jī)設(shè)置定時(shí)拍攝，數(shù)據(jù)儲(chǔ)存格式為jpg。在玉米灌漿期（2023年8月12日）和乳熟期（2023年8月28日），選取太陽(yáng)輻射強(qiáng)度穩(wěn)定、天氣晴朗的時(shí)刻（10：00-14：00）進(jìn)行數(shù)據(jù)采集[19]。采集的無(wú)人機(jī)影像用大疆智圖軟件進(jìn)行拼接和預(yù)處理。

由于玉米試驗(yàn)田的無(wú)人機(jī)影像由土壤、植被像元組成，為了減少背景的影響，本研究用ExG[20]植被指數(shù)進(jìn)行閾值分割，去除邊界、土壤背景等的影響后，能夠準(zhǔn)確獲取玉米的覆蓋度（圖2）。相關(guān)計(jì)算公式如下：

ExG=2G-R-B

式中，R、G、B分別為紅波段、綠波段、藍(lán)波段的像素值（DN）。a：原始圖像;b：ExG植被圖像。

1.4植被指數(shù)的選取

參考葉綠素相對(duì)含量與植被指數(shù)之間關(guān)系的研究方法，本研究選用13種常用的可見(jiàn)光植被指數(shù)（表1），建立植被指數(shù)與葉綠素相對(duì)含量間關(guān)系的統(tǒng)計(jì)模型，用于估算玉米葉片的葉綠素相對(duì)含量。

1.5數(shù)據(jù)分析

隨機(jī)森林法（RF）是一種基于集成學(xué)習(xí)和隨機(jī)空間的機(jī)器學(xué)習(xí)算法，可有效處理多變量問(wèn)題，不易過(guò)擬合，對(duì)異常值、缺失值和干擾值有較高的容忍度，具有良好的魯棒性。本研究使用隨機(jī)森林回歸算法，將80%的樣本數(shù)據(jù)用于模型訓(xùn)練，20%的樣本數(shù)據(jù)用于模型驗(yàn)證。在構(gòu)建不同飛行高度下無(wú)人機(jī)遙感的玉米指示葉位葉綠素相對(duì)含量的預(yù)測(cè)模型時(shí)，輸入變量為植被指數(shù)，輸出變量為葉片綠素相對(duì)含量（SPAD值），采用決定系數(shù)（R2）、均方根誤差（RMSE）、均方誤差（MSE）和平均絕對(duì)誤差（MAE）對(duì)模型進(jìn)行評(píng)價(jià)。相關(guān)計(jì)算公式如下：

式中，M為實(shí)測(cè)的葉片SPAD值，M—為實(shí)測(cè)的葉片平均SPAD值，E為預(yù)測(cè)的葉片SPAD值，E—為預(yù)測(cè)的葉片平均SPAD值，m為樣本數(shù)。

2結(jié)果與分析

2.1玉米不同葉位葉片葉綠素相對(duì)含量的變化

由圖3可以看出，在玉米的灌漿期和乳熟期，葉片的SPAD值表現(xiàn)為中部葉位高、上部葉位和下部葉位低，呈單峰曲線變化。在1～4葉位，玉米葉片的SPAD值呈現(xiàn)增加的趨勢(shì)；在5～10葉位，玉米葉片的SPAD值較高；當(dāng)葉位>10后，玉米葉片的SPAD值呈現(xiàn)下降的趨勢(shì)。最高SPAD值一般出現(xiàn)在第7～8葉位（穗位葉）。此外，玉米中部葉位、上部葉位葉片的SPAD值分布相對(duì)集中，差異相對(duì)較小；下部葉位的葉片由于衰老、干旱等原因，葉片SPAD值的變化較大；與乳熟期相比，玉米灌漿期葉片的SPAD值相對(duì)較高。

2.2無(wú)人機(jī)遙感測(cè)定玉米葉片葉綠素相對(duì)含量的指示葉位對(duì)在不同無(wú)人機(jī)飛行高度下提取的植被指數(shù)（表1）與各葉位葉片的SPAD值進(jìn)行相關(guān)性分析，分析相關(guān)系數(shù)的大小及其變異情況，根據(jù)相關(guān)系數(shù)絕對(duì)值的大小及其分布情況，確定無(wú)人機(jī)遙感測(cè)定玉米葉片葉綠素相對(duì)含量的指示葉位。

由圖4可以看出，當(dāng)無(wú)人機(jī)飛行高度為10 m時(shí)，NGBDI、NDVI、BGRI、NBI、BRRI、NPCI 6種植被指數(shù)與玉米第5葉位葉片SPAD值間的相關(guān)系數(shù)的絕對(duì)值最大，相關(guān)系數(shù)的絕對(duì)值在乳熟期、灌漿期均集中于0.50～0.75，6種植被指數(shù)[藍(lán)紅比值指數(shù)（BRRI）、藍(lán)綠比值指數(shù)（BGRI）、藍(lán)光標(biāo)準(zhǔn)化值（NBI）、可見(jiàn)光波段差異植被指數(shù)（VDVI）、歸一化葉綠素比值植被指數(shù)（NPCI）和歸一化藍(lán)綠差異植被指數(shù)（NGBDI）]與玉米其他葉位葉片SPAD值間的相關(guān)系數(shù)分布得較為分散，或表現(xiàn)不一致，或相關(guān)系數(shù)較低；從玉米第7葉位葉片開(kāi)始，6種植被指數(shù)與玉米葉片SPAD值間相關(guān)系數(shù)的分布較為分散，大致集中在-0.25～0.25（圖4a）。由此可見(jiàn)，在灌漿期和乳熟期，當(dāng)無(wú)人機(jī)的飛行高度為10 m時(shí)，玉米葉片SPAD值的指示葉位為第5葉。當(dāng)無(wú)人機(jī)飛行高度為15 m時(shí)，NGBDI、NDVI、BGRI、NBI、BRRI、NPCI 6種植被指數(shù)與玉米灌漿期第1、第5、第6葉位葉片SPAD值間的相關(guān)系數(shù)分布得較為集中，與乳熟期第4、第5葉位SPAD值間的相關(guān)系數(shù)分布得較為集中（圖4b）。當(dāng)無(wú)人機(jī)飛行高度為20 m（圖4c）、 25 m（圖4d）時(shí)，6種植被指數(shù)與玉米葉片SPAD值間相關(guān)系數(shù)的分布與飛行高度為15 m時(shí)相比呈現(xiàn)出相似的規(guī)律，但相關(guān)系數(shù)的分布范圍略有差異，在乳熟期，6種植被指數(shù)與玉米第5葉位SPAD值間的相關(guān)系數(shù)高于灌漿期。當(dāng)無(wú)人機(jī)飛行高度為50 m（圖4e）時(shí)，6種植被指數(shù)與玉米第5葉位SPAD值間相關(guān)系數(shù)的分布較無(wú)人機(jī)飛行高度為10～25 m時(shí)分散。與無(wú)人機(jī)飛行高度為10～50 m相比，當(dāng)無(wú)人機(jī)飛行高度為75 m（圖4f）時(shí)，6種植被指數(shù)與葉片SPAD值間的相關(guān)性變?nèi)酰嚓P(guān)系數(shù)絕對(duì)值集中于0～0.5。分析不同生育時(shí)期、不同無(wú)人機(jī)飛行高度6種植被指數(shù)與玉米葉片SPAD值間的相關(guān)性可知，當(dāng)無(wú)人機(jī)飛行高度為10～25 m時(shí)，6種植被指數(shù)與玉米葉片SPAD值間的相關(guān)系數(shù)較為穩(wěn)定；當(dāng)無(wú)人機(jī)飛行高度為50～75 m時(shí)，植被指數(shù)與玉米葉片SPAD值間相關(guān)系數(shù)的波動(dòng)較大。從整體來(lái)看，在玉米灌漿期、乳熟期，無(wú)人機(jī)遙感測(cè)定的葉綠素相對(duì)含量指示葉位為第5葉位。試驗(yàn)區(qū)的調(diào)查結(jié)果表明，當(dāng)玉米穗位葉葉位為第7～8葉，無(wú)人機(jī)遙感觀測(cè)葉綠素相對(duì)含量的深度在穗位葉以上。

2.3無(wú)人機(jī)遙感測(cè)定玉米葉片葉綠素相對(duì)含量的最佳飛行高度由表2可以看出，在玉米灌漿期與乳熟期，不同飛行高度下由無(wú)人機(jī)遙感獲得的13種植被指數(shù)與指示葉位葉片SPAD值間的相關(guān)系數(shù)存在差異。在灌漿期，無(wú)人機(jī)飛行高度為20 m時(shí)，6種植被指數(shù)[藍(lán)紅比值指數(shù)（BRRI）、藍(lán)綠比值指數(shù)（BGRI）、藍(lán)光標(biāo)準(zhǔn)化值（NBI）、可見(jiàn)光波段差異植被指數(shù)（VDVI）、歸一化葉綠素比值植被指數(shù)（NPCI）和歸一化藍(lán)綠差異植被指數(shù)（NGBDI）]與葉片SPAD值呈顯著相關(guān)（α=0.05）。在乳熟期，當(dāng)無(wú)人機(jī)飛行高度為15～20 m時(shí)，6種植被指數(shù)與葉片SPAD值呈顯著（α=0.05）或極顯著（α=0.01）相關(guān)。在2個(gè)生育時(shí)期，在20 m無(wú)人機(jī)飛行高度獲得的植被指數(shù)BRRI、BGRI、NBI、VDVI、NPCI和NGBDI均與葉片SPAD值呈顯著相關(guān)（α=0.05）。由此可見(jiàn)，在進(jìn)行玉米葉片葉綠素相對(duì)含量的反演時(shí)，無(wú)人機(jī)的最佳飛行高度為20 m。

2.4基于隨機(jī)森林回歸的玉米葉片葉綠素相對(duì)含量的反演當(dāng)無(wú)人機(jī)飛行高度為10 m、15 m、20 m、25 m、50 m、75 m時(shí)，基于13種植被指數(shù)（篩選前），采用隨機(jī)森林法分別建立玉米葉片SPAD值的回歸預(yù)測(cè)模型，表3顯示，基于與玉米葉片SPAD值間相關(guān)性較高的6種植被指數(shù)建立的預(yù)測(cè)模型的表現(xiàn)整體上優(yōu)于基于全部植被指數(shù)建立的預(yù)測(cè)模型的表現(xiàn)。

當(dāng)無(wú)人機(jī)的飛行高度為10～20 m時(shí)，基于與SPAD值間相關(guān)性較高的6種植被指數(shù)（篩選后的BRRI、BGRI、NBI、VDVI、NPCI和NGBDI），RF預(yù)測(cè)模型的決定系數(shù)（R2）均不低于0.90，模型的表現(xiàn)較好；當(dāng)無(wú)人機(jī)的飛行高度達(dá)到25 m之后，隨飛行高度的增加，模型的預(yù)測(cè)誤差增大，模型性能下降；當(dāng)無(wú)人機(jī)的飛行高度為75 m時(shí)，預(yù)測(cè)玉米葉片SPAD值的效果最差。當(dāng)無(wú)人機(jī)飛行高度為20 m時(shí)，用無(wú)人機(jī)獲取的植被指數(shù)進(jìn)行玉米葉片葉綠素相對(duì)含量的預(yù)測(cè)，模型的RMSE=0.80，MSE=0.64，MAE=0.69，擬合效果（R2=0.94）優(yōu)于無(wú)人機(jī)其他飛行高度（表3）。基于RF回歸模型的玉米葉片SPAD值的預(yù)測(cè)結(jié)果主要集中于50～70（圖5），與穗位葉及其上下葉位的葉綠素相對(duì)含量相近（圖3）。在空間上，種植區(qū)中心地帶的玉米葉片葉綠素相對(duì)含量相對(duì)較高，葉片SPAD值<40的區(qū)域主要分布于道路附近、地塊分界線等處（圖5）。

2.5玉米葉片葉綠素相對(duì)含量反演模型的可解釋性分析在玉米葉綠素相對(duì)含量的RF預(yù)測(cè)模型中，植被指數(shù)的重要性存在差異。當(dāng)無(wú)人機(jī)飛行高度為10 m、20 m、25 m、50 m時(shí)，BRRI、NBI和NPCI為玉米葉片SPAD值預(yù)測(cè)模型的主要貢獻(xiàn)因子。當(dāng)無(wú)人機(jī)飛行高度為50 m時(shí)，BRRI的貢獻(xiàn)率最高。NBI的貢獻(xiàn)率在無(wú)人機(jī)飛行高度為10 m、15 m時(shí)較高，NPCI的貢獻(xiàn)率在無(wú)人機(jī)飛行高度為20 m、25 m、75 m時(shí)較高（圖6）。

利用SHAP模型對(duì)RF預(yù)測(cè)模型進(jìn)行可解釋性分析，通過(guò)全局特征重要性對(duì)無(wú)人機(jī)飛行高度為20 m時(shí)的全部樣本的預(yù)測(cè)結(jié)果進(jìn)行解釋。在宏觀層面，根據(jù)SHAP模型中各特征的貢獻(xiàn)率，NPCI、BRRI和NBI對(duì)模型預(yù)測(cè)的貢獻(xiàn)較大（圖7），與基于RF回歸的模型特征重要性分析結(jié)果相似。

在微觀層面，SHAP模型可以對(duì)單個(gè)樣本的預(yù)測(cè)結(jié)果進(jìn)行可解釋性分析，使其更直觀地呈現(xiàn)植被指數(shù)對(duì)葉片SPAD值預(yù)測(cè)的影響。隨機(jī)抽取2個(gè)樣本，當(dāng)SPAD值的預(yù)測(cè)結(jié)果為52.14時(shí)，基準(zhǔn)值為55.04，最大的影響源自BRRI=0.588 5（圖8a）。當(dāng)SPAD值的預(yù)測(cè)結(jié)果為57.84時(shí)，BRRI、NPCI、NBI是起到增強(qiáng)作用的主要因素（圖8b）。

由此可知，基于RF回歸模型與SHAP模型，玉米葉綠素相對(duì)含量無(wú)人機(jī)反演的最適飛行高度為20 m，貢獻(xiàn)率較大的植被指數(shù)為NPCI、BRRI和NBI。

3討論

3.1無(wú)人機(jī)遙感反演玉米葉片葉綠素相對(duì)含量的指示葉位葉片中葉綠素相對(duì)含量的高低與植物的光合作用能力、生長(zhǎng)發(fā)育和氮素營(yíng)養(yǎng)狀況有密切關(guān)系[32-37]。目前，已有研究者利用無(wú)人機(jī)平臺(tái)探究了植物冠層葉綠素相對(duì)含量及其與植被指數(shù)間的關(guān)系[14]，或者研究不同葉位的氮素營(yíng)養(yǎng)狀況。然而，基于玉米不同葉位葉綠素相對(duì)含量與植被指數(shù)的關(guān)系確定指示葉位，進(jìn)而反演葉綠素相對(duì)含量的研究尚少見(jiàn)報(bào)道。玉米葉綠素相對(duì)含量的分布呈時(shí)空異質(zhì)性，胡昌浩等[38]研究發(fā)現(xiàn)，玉米穗位葉的葉綠素含量高于其他葉位；隨著葉片衰老，基部葉片的葉綠素含量下降，而中上部葉片的葉綠素含量增大，并且隨著葉齡增加，葉片的葉綠素含量下降。這與本研究中玉米不同葉位葉綠素相對(duì)含量的變化及含量最高葉位的研究結(jié)果一致，與生殖生長(zhǎng)階段穗位葉及其上下2～3張葉片對(duì)葉片合成有機(jī)物的作用最大有關(guān)[39]。本研究通過(guò)分析不同生育時(shí)期植被指數(shù)與玉米不同葉位葉片SPAD值間的相關(guān)性發(fā)現(xiàn)，在玉米灌漿期，葉片葉綠素相對(duì)含量無(wú)人機(jī)遙感的指示葉位為第5～6葉，乳熟期的指示葉位為第4～5葉，即用無(wú)人機(jī)進(jìn)行葉綠素相對(duì)含量的遙感反演，主要反映了第4～6葉的葉綠素相對(duì)含量，由于植株頂端葉面積較小，中部葉面積較大，棒三葉面積最大[40]，因此單株第4～6葉為無(wú)人機(jī)視野內(nèi)的主要監(jiān)測(cè)目標(biāo)。垂直觀測(cè)光譜從冠層頂部可以檢測(cè)到第6～8 葉[41]，與本研究結(jié)論不完全相同，可能是由觀測(cè)手段不同造成的。利用無(wú)人機(jī)監(jiān)測(cè)指示葉位的葉綠素相對(duì)含量，可以提高玉米葉綠素相對(duì)含量監(jiān)測(cè)的準(zhǔn)確性，有助于及時(shí)掌握作物的生長(zhǎng)狀況，為作物田間管理提供理論依據(jù)。

3.2植被指數(shù)與葉片葉綠素相對(duì)含量間的相關(guān)性分析本研究結(jié)果表明，與指示葉位葉片SPAD值關(guān)系密切的植被指數(shù)有BRRI、BGRI、NBI、VDVI、NPCI、NGBDI等，在灌漿期（飛行高度為20 m）和乳熟期（飛行高度為15～25 m）的植被指數(shù)與葉片SPAD值間顯著相關(guān)（α=0.05），且在飛行高度為20 m時(shí)，2個(gè)生育時(shí)期玉米的植被指數(shù)與葉片SPAD值間的相關(guān)性一致。有研究發(fā)現(xiàn)，在可見(jiàn)光波段范圍，葉片光譜反射率在植物的整個(gè)生育期均表現(xiàn)為先上升后下降的趨勢(shì)，與葉片葉綠素相對(duì)含量的變化趨勢(shì)一致[42]。在可見(jiàn)光波段，葉綠素對(duì)綠光波段（550 nm）有較強(qiáng)的反射作用，而對(duì)紅光波段（650～680 nm）、藍(lán)光波段（450～500 nm）有明顯的吸收作用[43]，紅光波段、藍(lán)光波段可以用于反演葉綠素相對(duì)含量[44]。紅光波段的吸收現(xiàn)象是由葉綠素a、葉綠素b引起的，藍(lán)光波段的吸收現(xiàn)象是由葉綠素、類(lèi)胡蘿卜素引起的[45]。本研究結(jié)果表明，在玉米灌漿期，與葉綠素相對(duì)含量顯著相關(guān)的植被指數(shù)多為藍(lán)光波段敏感的植被指數(shù)，而在玉米乳熟期，藍(lán)光波段敏感的植被指數(shù)減少，其原因是玉米綠色器官開(kāi)始衰老，葉綠素的降解引起“葉綠素-蛋白質(zhì)”復(fù)合體降解[46]，減少了對(duì)紅光、藍(lán)光的吸收。在飛行高度為10 m時(shí)，在乳熟期，葉綠素相對(duì)含量與BRRI間的相關(guān)性不顯著，而與BGRI、NBI、VDVI、NGBDI間的相關(guān)性顯著。在對(duì)小麥進(jìn)行葉綠素相對(duì)含量的預(yù)測(cè)中，隨著無(wú)人機(jī)飛行高度的增加，由綠紅比值植被指數(shù)的相關(guān)性較高變?yōu)榧t藍(lán)比值植被指數(shù)的相關(guān)性較高[16]，與本研究結(jié)論相似，即在玉米乳熟期，葉片SPAD值與15～20 m高度的BRRI、NPCI顯著相關(guān)，而到25 m后，其相關(guān)性減弱。由此可見(jiàn)，作物生育時(shí)期、無(wú)人機(jī)飛行高度和波段選擇均會(huì)影響植被指數(shù)對(duì)葉片SPAD值的敏感性。

3.3玉米葉片葉綠素相對(duì)含量的變化及預(yù)測(cè)

作物的葉綠素含量具有時(shí)空異質(zhì)性[3]，不同生育期、不同葉位葉片的葉綠素含量不同。隨著高度變化，葉片的葉綠素相對(duì)含量出現(xiàn)垂直分層的現(xiàn)象，最大值和最小值間的差值可達(dá)到最大值的79.1%[2]。從拔節(jié)期到抽穗期、灌漿期，玉米葉綠素相對(duì)含量不斷增加[47]；隨著植物器官、組織的衰老，葉綠素發(fā)生分解，從灌漿期到蠟熟期，葉綠素相對(duì)含量下降[48]。

當(dāng)無(wú)人機(jī)飛行高度為20 m時(shí)，采用隨機(jī)森林法對(duì)植被指數(shù)和葉片SPAD值進(jìn)行回歸建模，模型具有最高精度（R2=0.94，RMSE=0.80，MSE=0.64，MAE=0.69），可用于玉米葉綠素相對(duì)含量的預(yù)測(cè)。通過(guò)SHAP模型進(jìn)行可解釋性分析，可以更好地量化模型中加入特征后的邊際貢獻(xiàn)[49]。有研究發(fā)現(xiàn)，影響預(yù)測(cè)精度最重要的植被指數(shù)為NPCI、BRRI和NBI，均與藍(lán)光波段有關(guān)，尤其是紅光和藍(lán)光組合的植被指數(shù)較重要，因此可以認(rèn)為紅光、藍(lán)光波段是敏感波段。研究發(fā)現(xiàn)，NPCI、BBRI、DVI與玉米葉片SPAD值間具有良好的相關(guān)性[50]，與本研究結(jié)論相近。

本研究發(fā)現(xiàn)，在進(jìn)行玉米葉綠素相對(duì)含量反演時(shí)，無(wú)人機(jī)的最適高度為20 m。但賀英等[50]估算玉米葉綠素相對(duì)含量，采用的無(wú)人機(jī)飛行高度為40 m。還有研究者通過(guò)近鄰插值算法模擬飛行高度，估算作物覆蓋度、植被指數(shù)的最佳高度為42 m[14]，與本研究結(jié)果不一致。分析無(wú)人機(jī)遙感的最適飛行高度研究結(jié)果不同的可能原因如下：1）研究不同作物、不同參數(shù)的最佳飛行高度不同；2）外界環(huán)境變化對(duì)獲取的圖像質(zhì)量有影響；3）受到飛機(jī)姿態(tài)不穩(wěn)定及相機(jī)鏡頭畸變[51]的影響；4）單點(diǎn)采樣獲得的無(wú)人機(jī)影像可能存在噪聲等。因此，有必要進(jìn)一步探究和驗(yàn)證無(wú)人機(jī)飛行高度對(duì)玉米葉片葉綠素相對(duì)含量反演精度的影響及其設(shè)置依據(jù)，更好地為無(wú)人機(jī)遙感監(jiān)測(cè)玉米葉片的葉綠素相對(duì)含量提供技術(shù)支撐。

4結(jié)論

玉米植株中部葉片的葉綠素相對(duì)含量高于上部葉片、下部葉片，灌漿期玉米葉片的葉綠素相對(duì)含量高于乳熟期。在灌漿期，對(duì)葉片葉綠素相對(duì)含量較為敏感的波段為藍(lán)波段。無(wú)人機(jī)遙感測(cè)定葉綠素相對(duì)含量的最佳飛行高度為20 m，無(wú)人機(jī)遙感測(cè)定玉米葉綠素相對(duì)含量的指示葉位為第5葉。RF回歸模型結(jié)果表明，當(dāng)無(wú)人機(jī)飛行高度為20 m時(shí)，葉綠素反演模型的精度最高（RMSE=0.80，MSE=0.64，MAE=0.69），誤差最小，擬合效果（R2=0.94）優(yōu)于其他飛行高度，可解釋性模型SHAP的分析結(jié)果表明，NPCI、BRRI和NBI在模型中的貢獻(xiàn)值較大。用單點(diǎn)拍攝法結(jié)合植被指數(shù)可以確定無(wú)人機(jī)遙感測(cè)定玉米葉綠素相對(duì)含量的指示葉位并預(yù)測(cè)葉綠素相對(duì)含量，研究結(jié)果可為玉米葉綠素實(shí)時(shí)監(jiān)測(cè)提供技術(shù)支撐。但玉米的生育時(shí)期、無(wú)人機(jī)飛行高度和波段選擇會(huì)影響植被指數(shù)對(duì)葉片SPAD值的敏感性，有必要進(jìn)一步探討選擇新的植被指數(shù)，用于冠層和大面積葉綠素相對(duì)含量的無(wú)人機(jī)遙感。

參考文獻(xiàn)：

[1]張國(guó)慶，黃楠，宋茜，等. 基于葉綠素含量的玉米長(zhǎng)勢(shì)遙感監(jiān)測(cè)的研究[J]. 黑龍江科技信息，2013（19）：6.

[2]謝東輝，朱啟疆，王錦地，等. 基于真實(shí)三維結(jié)構(gòu)的玉米冠層生化參數(shù)垂直分布的定量化分析[J]. 北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，43（3）：337-342.

[3]潘麗杰，張寶林，李瑞鑫，等. 玉米不同葉位葉片葉綠素含量垂直分布研究進(jìn)展[J]. 北方農(nóng)業(yè)學(xué)報(bào)，2023，51（4）：28-37.

[4]王群瑛，胡昌浩. 玉米不同葉位葉片葉綠體超微結(jié)構(gòu)與光合性能的研究[J]. 植物學(xué)報(bào)，1988，30（2）：146-150.

[5]童淑媛，宋鳳斌，徐洪文. 玉米不同葉位葉片SPAD值的變化及其與生物量的相關(guān)性[J]. 核農(nóng)學(xué)報(bào)，2008，22（6）：869-874.

[6]HUANG W J， WANG Z J， HUANG L S， et al. Estimation of vertical distribution of chlorophyll concentration by bi-directional canopy reflectance spectra in winter wheat[J]. Precision Agriculture，2011，12（2）：165-178.

[7]朱延姝，郭麗麗，崔震海，等. 光強(qiáng)對(duì)玉米幼苗不同葉位葉片葉綠素?zé)晒鈪?shù)的影響[J]. 吉林農(nóng)業(yè)科學(xué)，2013，38（4）：1-4，14.

[8]王丹，趙朋，孫家波，等. 基于無(wú)人機(jī)多光譜的夏玉米葉綠素含量反演研究[J]. 山東農(nóng)業(yè)科學(xué)，2021，53（6）：121-126，132.

[9]郭鈮. 植被指數(shù)及其研究進(jìn)展[J]. 干旱氣象，2003，21（4）：71-75.

[10]徐晉，蒙繼華. 農(nóng)作物葉綠素含量遙感估算的研究進(jìn)展與展望[J]. 遙感技術(shù)與應(yīng)用，2016，31（1）：74-85.

[11]敖登，楊佳慧，丁維婷，等. 54種植被指數(shù)研究進(jìn)展綜述[J]. 安徽農(nóng)業(yè)科學(xué)，2023，51（1）：13-21，28.

[12]田婷，張青，張海東. 無(wú)人機(jī)遙感在作物監(jiān)測(cè)中的應(yīng)用研究進(jìn)展[J]. 作物雜志，2020（5）：1-8.

[13]WU B， YE H C， HUANG W J， et al. Monitoring the vertical distribution of maize canopy chlorophyll content based on multi-angular spectral data[J]. Remote Sensing，2021，13（5）：987.

[14]何勇，杜曉月，鄭力源，等. 無(wú)人機(jī)飛行高度對(duì)植被覆蓋度和植被指數(shù)估算結(jié)果的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（24）：63-72.

[15]井宇航，郭燕，張會(huì)芳，等. 無(wú)人機(jī)飛行高度對(duì)冬小麥植株氮積累量預(yù)測(cè)模型的影響[J]. 河南農(nóng)業(yè)科學(xué)，2022，51（2）：147-158.

[16]劉濤，張寰，王志業(yè)，等. 利用無(wú)人機(jī)多光譜估算小麥葉面積指數(shù)和葉綠素含量[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37（19）：65-72.

[17]郭松，常慶瑞，鄭智康，等. 基于無(wú)人機(jī)高光譜影像的玉米葉綠素含量估測(cè)[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2022，38（4）：976-984.

[18]張銀杰，王磊，白由路，等. 玉米不同層位葉片生理生化指標(biāo)與SPAD值的關(guān)系[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2020，26（10）：1805-1817.

[19]馬明洋，許童羽，周云成，等. 東北粳稻葉綠素相對(duì)含量的無(wú)人機(jī)高清影像檢測(cè)方法[J]. 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，48（6）：757-762.

[20]WOEBBECKE D M， MEYER G E， VON BARGEN K， et al. Color indices for weed identification under various soil，residue，and lighting conditions[J]. Transactions of the ASAE，1995，38（1）：259-269.

[21]王方永，王克如，李少昆，等. 利用數(shù)碼相機(jī)和成像光譜儀估測(cè)棉花葉片葉綠素和氮素含量[J]. 作物學(xué)報(bào)，2010，36（11）：1981-1989.

[22]PEUELAS J， GAMON J A， FREDEEN A L， et al. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves[J]. Remote Sensing of Environment，1994，48（2）：135-146.

[23]魏全全，李嵐?jié)?，任濤，? 基于數(shù)字圖像技術(shù)的冬油菜氮素營(yíng)養(yǎng)診斷[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2015，48（19）：3877-3886.

[24]SELLARO R， CREPY M， TRUPKIN S A， et al. Cryptochrome as a sensor of the blue/green ratio of natural radiation in Arabidopsis[J]. Plant Physiology，2010，154（1）：401-409.

[25]VERRELST J， SCHAEPMAN M E， KOETZ B， et al. Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data[J]. Remote Sensing of Environment，2008，112（5）：2341-2353.

[26] KAWASHIMA S， NAKATANI M. An algorithm for estimating chlorophyll content in leaves using a video camera[J]. Annals of Botany，1998，81（1）：49-54.

[27]汪小欽，王苗苗，王紹強(qiáng)，等. 基于可見(jiàn)光波段無(wú)人機(jī)遙感的植被信息提取[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（5）：152-157，159，158.

[28]PEUELAS J， GAMON J A， FREDEEN A L， et al. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves[J]. Remote Sensing of Environment，1994，48（2）：135-146.

[29]HUNT E R， CAVIGELLI M， DAUGHTRY C S T， et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status[J]. Precision Agriculture，2005，6（4）：359-378.

[30]SHIBAYAMA M， SAKAMOTO T， TAKADA E， et al. Estimating rice leaf greenness （SPAD） using fixed-point continuous observations of visible red and near infrared narrow-band digital images[J]. Plant Production Science，2012，15（4）：293-309.

[31]井然，鄧?yán)?，趙文吉，等. 基于可見(jiàn)光植被指數(shù)的面向?qū)ο鬂竦厮脖惶崛》椒╗J]. 應(yīng)用生態(tài)學(xué)報(bào)，2016，27（5）：1427-1436.

[32]馬紅雨，李仙岳，孫亞楠，等. 基于無(wú)人機(jī)遙感的不同控釋肥夏玉米SPAD差異性[J]. 排灌機(jī)械工程學(xué)報(bào)，2023，41（12）：1261-1267.

[33]李靖言，顏安，寧松瑞，等. 基于高光譜植被指數(shù)的春小麥LAI和SPAD值及產(chǎn)量反演模型研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2023，51（20）：201-210.

[34]李皓軒，朱杰，周勇，等. 葉面肥與穗肥互作對(duì)稻蝦共作水稻抽穗后光合特性、產(chǎn)量性狀及稻米品質(zhì)的影響[J]. 南方農(nóng)業(yè)學(xué)報(bào)，2023，54（4）：1095-1105.

[35]吳秀寧，張軍，王鳳娟，等. 肥密互作對(duì)旱地冬小麥商麥1619旗葉光合特性、干物質(zhì)積累和產(chǎn)量的影響[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2022，38（4）：924-930.

[36]李雪梅，黃禹翕，蔡曉婧，等. 外源氯化鈣對(duì)鉛脅迫下水稻幼苗生長(zhǎng)、SPAD值和熒光特性的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2022，50（14）：73-79.

[37]劉玲，馮乃杰，鄭殿峰，等. 不同微生物菌劑對(duì)水稻幼苗形態(tài)建成和生理特性的影響[J]. 南方農(nóng)業(yè)學(xué)報(bào)，2022，53（1）：88-95.

[38]胡昌浩，王群瑛. 玉米不同葉位葉片葉綠素含量與光合強(qiáng)度變化規(guī)律的研究[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)，1989，20（1）：43-47.

[39]陳嶺，孫耀邦，崔紹平. 玉米穗部性狀的基因效應(yīng)分析[J].華北農(nóng)學(xué)報(bào)，1996，11（2）：28-32.

[40]姜上川. 玉米單葉面積生長(zhǎng)變化曲線研究[J]. 現(xiàn)代化農(nóng)業(yè)，2009（2）：12-15.

[41]CIGANDA V S， GITELSON A A， SCHEPERS J. How deep does a remote sensor sense？Expression of chlorophyll content in a maize canopy[J]. Remote Sensing of Environment，2012，126：240-247.

[42]劉燕婕，李建設(shè)，高艷明. 可見(jiàn)光波段不同氮處理生菜葉片光譜反射率與葉片全氮、葉綠素的相關(guān)性研究[J]. 北方園藝，2015（22）：12-16.

[43]LIVESLEY S J， MCPHERSON E G， CALFAPIETRA C. The urban forest and ecosystem services：impacts on urban water，heat，and pollution cycles at the tree，street，and city scale[J]. Journal of Environmental Quality，2016，45（1）：119-124.

[44]ZHU W X， SUN Z G， YANG T， et al. Estimating leaf chlorophyll content of crops via optimal unmanned aerial vehicle hyperspectral data at multi-scales[J]. Computers and Electronics in Agriculture，2020，178：105786.

[45]王方永. 基于近地可見(jiàn)光成像傳感器的棉花生長(zhǎng)信息監(jiān)測(cè)研究[D]. 石河子：石河子大學(xué)，2011.

[46]LI F， MIAO Y X， HENNIG S D， et al. Evaluating hyperspectral vegetation indices for estimating nitrogen concentration of winter wheat at different growth stages[J]. Precision Agriculture，2010，11（4）：335-357.

[47]馮浩，楊禎婷，陳浩，等. 基于無(wú)人機(jī)多光譜影像的夏玉米SPAD估算模型研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（10）：211-219.

[48]袁媛，瑚波，武興厚，等. 基于植被指數(shù)的夏玉米不同生育期葉綠素含量遙感估算[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2015，31（15）：254-259.

[49]LUNDBERG S M， LEE S I. A unified approach to interpreting model predictions[C]. Long Beach：NIPSF，2017.

[50]賀英，鄧?yán)?，毛智慧，? 基于數(shù)碼相機(jī)的玉米冠層SPAD遙感估算[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2018，51（15）：66-77.

[51]劉啟興，景海濤，董國(guó)濤. 無(wú)人機(jī)高分辨率遙感影像分類(lèi)方法研究[J]. 計(jì)算機(jī)與數(shù)字工程，2019，47（3）：638-642，727.

（責(zé)任編輯：徐艷）