ASD | 结合ASD地物光谱仪与谐波分解，提升马铃薯生物量估算精度
日期：
2025-09-29
浏览次数:
199
在全球粮食安全与可持续农业的背景下，“作物生物量监测”正逐渐成为农业遥感领域的核心议题。
高效、准确地评估作物地上生物量，不仅对产量预测至关重要，也对精准农业管理具有重要意义。近期，国际期刊《Computers and Electronics in Agriculture》发表的一项研究以马铃薯为研究对象，结合ASD FieldSpec地物光谱仪与谐波分解技术，探索提升生物量估算精度的新方法，为作物长势监测与产量评估提供了新的技术支持。
研究背景
马铃薯作为全球第四大粮食作物，在粮食安全和精准农业中具有重要地位，其地面生物量（AGB）是衡量生长状况、产量预测和田间管理的关键指标。传统的人工测量方法效率低且具有破坏性，而高光谱遥感因其快速、非破坏性和丰富信息的特点，逐渐成为AGB估算的核心技术。然而，由于光谱饱和效应和生长阶段差异，单靠光谱反射率和植被指数（VIs）难以获得高精度结果。因此，开发一种有效挖掘高光谱特征的方法，以减轻光谱饱和效应，提升AGB估算模型的年际适应性，尤为关键。
研究方法
实验设计：在北京小汤山试验基地，连续两年（2018–2019）种植马铃薯，共设置42个试验小区，采用不同密度与氮肥水平处理。
地上生物量采集：在块茎形成、膨大和淀粉积累三个时期，每区随机取样，烘干后测算AGB。
光谱获取：
地面：ASD光谱仪，350~2500 nm范围，每次采集前白板校正。
空中：高光谱成像仪
1.ASD FieldSpec地物光谱仪与高光谱成像仪采集的光谱在整体上保持高度一致（R²>0.96），验证了ASD FieldSpec地物光谱仪作为地物基准仪器的可靠性；
2.使用传统植被指数（如NDVI、EVI）估算马铃薯地上生物量时，精度较低（R²=0.52），且在不同生育期表现不稳定；
3.引入谐波分解（HD）后，模型精度显著提升：
ASD FieldSpec地物光谱仪验证集：R²=0.69，跨年度R²高达0.79；
4.在不同种植密度和品种条件下，基于ASD FieldSpec地物光谱仪数据的HD-PLSR模型依然表现出极佳稳定性，突破了光谱饱和瓶颈；
5.通过模型适用性评估发现，过量施用氮肥可能会影响AGB估算模型的准确性。
（图4.ASD FieldSpec地物光谱仪和高光谱成像仪获取的马铃薯冠层光谱，（a）和（b）为2018年和2019年获取的各生育期光谱反射率曲线，（c）和（d）为2018年和2019年获取的各生育期光谱反射率拟合曲线。）
（图7.AGB与基于ASD FieldSpec地物光谱仪和高光谱成像仪获得的光谱特征之间的相关系数。（a）和（d）表示来自ASD和高光谱成像仪的光谱特征与马铃薯单个和整个阶段AGB的相关系数。（b）和（e）表示来自ASD和高光谱成像仪的GNDVI与马铃薯AGB的相关性。（c）和（f）代表来自ASD和UHD 185的R754与马铃薯AGB的相关性。）
（图8.显示各种谐波分解时间的图表。）
（图9.基于ASD FieldSpec地物光谱仪和高光谱成像仪获得的AGB（kg/hm 2）与谐波分量之间的相关系数。（a）和（d）表示来自ASD和高光谱成像仪的谐波分量与马铃薯单阶段和全阶段AGB的相关系数。（b）和（e）表示来自ASD和高光谱成像仪的Ax1与马铃薯AGB的相关性。（c）和（f）代表来自ASD和高光谱成像仪的Cx1与马铃薯AGB的相关性。）
（表5.不同特征估计AGB的性能比较）
（图10.马铃薯AGB估计结果是通过ASD FieldSpec地物光谱仪和高光谱成像仪开发的PLSR模型获得的两年数据（2018年，2019年）。（a）和（e）代表全光谱，（b）和（f）代表植被指数，（c）和（g）代表敏感波段，（d）和（h）代表谐波分量。）
（图11.HD-PLSR模型在2018年和2019年各个阶段的AGB估计性能比较。）
（图12.2018年和2019年不同密度、氮和品种下HD-PLSR模型AGB估计性能比较。）
（图13.基于ASD FieldSpec地物光谱仪数据的模型田间分布图，展示了2019年各个生长阶段的AGB真实值、估算值和误差值。）
在这项研究中，ASD地物光谱仪为获取高精度、连续性的光谱数据提供了有力支持。它不仅保证了模型构建的基础数据质量，还为无人机平台的光谱结果提供了可靠的对比与校准，成为科研团队连接“地物实测”与“遥感应用”的关键环节。其主要优势包括：
高精度数据采集
快速、非破坏性
地物参考与校准
多维度数据支持
适用性广
该研究利用ASD地物光谱仪和谐波分解技术，显著提高了马铃薯地上生物量估算的精度，为精准农业提供了新的数据支撑和技术手段。
未来，随着技术的进一步优化，实现将这一方法拓展到更多作物的生物量监测与产量预测，为全球农业可持续发展提供更精确的支持。
发表期刊：Computers and Electronics in Agriculture（2024）【影响因子：8.9】
研究单位：北京市农林科学院、中国农业大学、南京农业大学、河南农业大学等
研究地点：北京小汤山试验基地