農(nóng)業(yè)行業(yè)
在全球農(nóng)業(yè)向可持續(xù)發(fā)展轉(zhuǎn)型的背景下，小麥作為支撐22 億人口主食需求的重要作物，其生長狀態(tài)直接關(guān)系到糧食安全與生態(tài)平衡。氮素作為影響小麥生長和產(chǎn)量形成的關(guān)鍵因素，科學調(diào)控氮肥施用是提升資源利用率、減少環(huán)境壓力的核心環(huán)節(jié)。而葉片氮含量（LNC）作為反映作物氮素供需平衡的核心指標，其快速、精準監(jiān)測成為精準農(nóng)業(yè)發(fā)展的重要需求。傳統(tǒng)監(jiān)測方法受限于效率與覆蓋范圍，難以滿足大規(guī)模田間管理需求，而無人機高光譜遙感技術(shù)的興起，為這一難題提供了新的解決方案 —— 杭州彩譜科技FS-60C高光譜相機，憑借其優(yōu)異的性能表現(xiàn)，成為解鎖小麥氮素精準監(jiān)測的關(guān)鍵設(shè)備。
江蘇大學研究團隊在Jiangsu Agricultural Expo Park開展的小麥氮素監(jiān)測研究中，采用大疆M300RTK無人機搭載彩譜FS-60C高光譜相機，構(gòu)建了從數(shù)據(jù)采集到精準預(yù)測的完整技術(shù)流程。該研究覆蓋小麥拔節(jié)期、抽穗期、開花期和灌漿期四個關(guān)鍵生育階段，通過6次飛行采集高光譜數(shù)據(jù)，為后續(xù)分析提供了豐富的基礎(chǔ)素材。
FS-60C高光譜相機具備突出的技術(shù)參數(shù)優(yōu)勢，能夠捕獲391.43–1009.56nm 范圍內(nèi)的300個光譜波段，最終光譜分辨率達2.5 nm,可細致捕捉小麥葉片在不同氮素水平下的光譜響應(yīng)差異。獲取的高光譜數(shù)據(jù)空間分辨率為每像素0.017m，相機能夠精準記錄田間小麥的光譜信息，為后續(xù)的LNC反演提供高質(zhì)量數(shù)據(jù)支撐。在數(shù)據(jù)采集過程中，F(xiàn)S-60C通過與地面標準白板校準、太陽角度誤差校正等流程配合，有效降低了外界環(huán)境對數(shù)據(jù)質(zhì)量的影響，確保了光譜數(shù)據(jù)的穩(wěn)定性與可靠性。
研究中，基于FS-60C獲取的高光譜數(shù)據(jù)，團隊進行了系統(tǒng)的預(yù)處理與分析。通過一階導(dǎo)數(shù)處理消除基線漂移和雜散光干擾，凸顯了700–750 nm波段的光譜變異特征，而這一波段與小麥 LNC 的相關(guān)性尤為密切。后續(xù)的特征分析表明，F(xiàn)S-60C捕獲的光譜數(shù)據(jù)中，包含了大量與氮素含量相關(guān)的關(guān)鍵信息，這些信息為模型構(gòu)建提供了堅實基礎(chǔ)。
為實現(xiàn)LNC的精準預(yù)測，研究團隊構(gòu)建了融合空間注意力機制（SAM）的 1D-CNN 模型（SAM-1D-CNN），并與傳統(tǒng)化學計量模型（PLSR、SVR）及其他神經(jīng)網(wǎng)絡(luò)模型（1D-CNN、1D-ResNet）進行對比。結(jié)果顯示，基于FS-60C高光譜數(shù)據(jù)的SAM-1D-CNN模型展現(xiàn)出良好的預(yù)測性能，其決定系數(shù)（R2）達到0.8415，交叉驗證均方根誤差（RMSECV）為3.7517 g/kg，平均絕對百分比誤差（MAPE）為9.3544%。這一結(jié)果的達成，離不開FS-60C提供的高分辨率、高穩(wěn)定性光譜數(shù)據(jù) ——豐富的光譜維度與精準的光譜信息，為模型有效提取氮素敏感特征、抑制冗余干擾提供了關(guān)鍵支撐。
值得關(guān)注的是，基于FS-60C數(shù)據(jù)生成的小麥LNC空間分布圖，與田間實際氮素施用梯度高度吻合。在過量施肥（N4）與適宜施肥（N3）區(qū)域，LNC值穩(wěn)定在40–50 g/kg，直觀反映了氮肥邊際效應(yīng)遞減現(xiàn)象；而從N2到N0區(qū)域，LNC呈現(xiàn)梯度遞減趨勢，且不同生育階段的LNC變化符合小麥生長規(guī)律，充分驗證了該技術(shù)體系的實用性。
作為精準農(nóng)業(yè)領(lǐng)域的重要技術(shù)裝備，彩譜FS-60C高光譜相機憑借出色的光譜捕捉能力，與SAM-1D-CNN等先進算法深度融合，搭建起從高光譜數(shù)據(jù)采集到作物營養(yǎng)狀態(tài)反演的完整技術(shù)鏈路，為作物營養(yǎng)監(jiān)測提供全新范式。其獲取的高分辨率光譜數(shù)據(jù)，能精準捕捉與作物氮素相關(guān)的光譜特征，助力模型高效提取關(guān)鍵信息，有效提升監(jiān)測的精準度與穩(wěn)定性。未來，隨著技術(shù)的持續(xù)優(yōu)化和應(yīng)用場景的不斷拓展，FS-60C可進一步延伸至玉米、水稻等更多作物，覆蓋從苗期到收獲期的全生育階段精準管理。這一技術(shù)將持續(xù)為農(nóng)業(yè)可持續(xù)發(fā)展注入動力，推動傳統(tǒng)經(jīng)驗驅(qū)動的農(nóng)業(yè)模式，向數(shù)據(jù)驅(qū)動的精準農(nóng)業(yè)加速轉(zhuǎn)型。
（論文原文可通過www.elsevier.com/locate/compag搜索《Integration of spatial attention mechanism into 1D-CNN for prediction of wheat leaf nitrogen concentration from UAV-borne hyperspectral imagery》進行閱讀）
產(chǎn)品推薦
FigSpec FS-60C機載高光譜相機
l 光譜范圍：400-1000nmnm
l 光譜分辨率：優(yōu)于2.5nm
l 光譜波段：1200
l 空間像素數(shù)：1920
