班松涛等学者于2021年8月在《农业机械学报》第52卷第8期发表了题为《基于无人机高光谱影像的水稻叶片磷素含量估算》的研究论文，该研究通过无人机高光谱遥感技术实现了水稻叶片磷素含量（leaf phosphorus content, LPC）的快速无损监测。以下是针对该研究的学术报告：

作者及机构

第一作者班松涛（西北农林科技大学资源环境学院博士生），通信作者常庆瑞教授（同单位博士生导师）。合作单位包括上海市农业科学院农业科技信息研究所和上海市数字农业工程技术研究中心。研究受国家自然科学基金等项目资助。

学术背景

磷素是作物生长的关键营养元素，传统化学检测法耗时费力且难以实现大面积监测。高光谱遥感技术为作物养分监测提供了新思路，但现有研究多基于地面尺度光谱数据，无人机平台的水稻磷素监测研究较少。该研究旨在：（1）解析水稻LPC的光谱响应特征；（2）开发基于无人机高光谱影像的LPC估算模型；（3）实现田间尺度的磷素空间分布可视化。

研究流程

1. 试验设计与数据采集

研究区域：宁夏青铜峡水稻试验田，设置3种氮肥（0/240/300 kg/hm²）与4种生物炭（0~13,500 kg/hm²）组合的12个处理，共36个小区。
数据获取：
- 高光谱影像：使用Cubert S185成像光谱仪（450–998 nm，光谱分辨率4 nm）搭载八旋翼无人机，在拔节期、灌浆期和乳熟期获取影像（飞行高度100 m，空间分辨率2.7 cm）。
- LPC测定：同步采集叶片样品，通过全自动间断化学分析仪测量磷含量（干基质量分数），共108组数据（3时期×36小区）。

2. 数据处理与分析

光谱预处理：
- 辐射校正（白板标定）→大气校正→影像拼接→几何校正（基于10个地面控制点）。
- 提取50×50像素区域的平均反射率作为冠层光谱代表。

特征选择与建模：
- 连续投影算法（SPA）筛选特征波长（670、706、722、846 nm）。
- 光谱指数构建：通过任意双波段组合计算归一化（NDSI）、比值（RSI）和差值（DSI）指数，筛选出NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)三个高相关指数（r=0.913–0.938）。
- 模型开发：基于特征波长和光谱指数，分别采用多元线性回归（MLR）、偏最小二乘回归（PLSR）、支持向量回归（SVR）和人工神经网络（ANN）构建估算模型。

3. 模型验证与反演

• 验证指标：决定系数（R²）和均方根误差（RMSE）。
  
• 空间制图：利用最佳模型反演生成LPC分布图。
  

主要结果

1. 光谱特征：LPC与462–718 nm波段反射率呈显著负相关（p<0.001），最高负相关出现在622 nm（r=-0.902）。
   
2. 模型性能：
   
   • 特征波长模型：PLSR模型精度最优（验证R²=0.925，RMSE=0.027%）。
     
   • 光谱指数模型：ANN模型表现最佳（验证R²=0.885，RMSE=0.029%）。
     
3. 空间分布：反演结果与实测数据一致，显示氮肥处理越高LPC越高，且随生育期推进LPC下降。
   

结论与价值

1. 科学价值：明确了水稻LPC的光谱响应区间（可见光-红边波段），揭示了磷素胁迫的光谱诊断机制。
   
2. 应用价值：无人机高光谱技术可实现田间尺度磷素快速监测，为精准施肥提供决策支持。
   

研究亮点

• 方法创新：首次将SPA算法与多类型光谱指数结合用于水稻LPC估算。
  
• 技术整合：开发了从影像获取到空间制图的完整技术流程。
  
• 稳定性验证：PLSR模型在跨时期预测中表现出强鲁棒性。
  

讨论与延伸

• 局限性：近红外波段（>722 nm）未表现显著相关性，可能与传感器信噪比或冠层结构影响有关。
  
• 未来方向：可结合多时相数据优化模型泛化能力，或探索深度学习算法提升精度。
  

该研究为作物养分遥感监测提供了可推广的技术范式，其方法框架亦可拓展至其他元素（如氮、钾）的监测中。