近日，南京農(nóng)業(yè)大學(xué)園藝學(xué)院房婉萍教授團(tuán)隊(duì)，利用無(wú)人機(jī)遙感與數(shù)字化技術(shù)實(shí)現(xiàn)江蘇省代表性茶園樹體長(zhǎng)勢(shì)的智能無(wú)損監(jiān)測(cè)。研究成果以“Non-destructive monitoring of tea plant growth through UAV spectral imagery and meteorological data using machine learning and parameter optimization algorithms”為題，發(fā)表在國(guó)際著名期刊《Computers and Electronics in Agriculture》。

圖1隨機(jī)森林算法參數(shù)的迭代優(yōu)化

（a-d）茶樹葉片生物量，（e-h）茶樹葉片氮素積累量

隨著茶園管理逐漸向集約化發(fā)展，急需適用于不同規(guī)模茶園的樹體長(zhǎng)勢(shì)精準(zhǔn)管理策略。研究選取了江蘇省8個(gè)具有代表性的茶園作為研究對(duì)象，核心區(qū)面積涵蓋8.33至39.01公頃。研究團(tuán)隊(duì)通過無(wú)人機(jī)遙感系統(tǒng)獲取茶園遙感影像，同時(shí)收集了各茶園的氣象數(shù)據(jù)。采用參數(shù)優(yōu)化算法分別耦合隨機(jī)森林、彈性回歸網(wǎng)絡(luò)和偏最小二乘回歸方法進(jìn)行茶樹葉片生物量和和氮素積累量監(jiān)測(cè)模型構(gòu)建。研究結(jié)果表明，含紅邊信息的光譜特征在茶樹葉片生物量與氮積累量估測(cè)中表現(xiàn)最好，傳統(tǒng)機(jī)器學(xué)習(xí)在耦合參數(shù)優(yōu)化算法后模型精度得到顯著提升（圖1），其中結(jié)合三種光譜特征的葉片生物量（R2= 0.76）和氮素積累量（R2= 0.76）監(jiān)測(cè)模型的精度最高。以90和183天為時(shí)間區(qū)間構(gòu)建的溫度、輻射、降水指標(biāo)對(duì)葉片生物量和氮素積累量監(jiān)測(cè)具有更高的貢獻(xiàn)度（圖2），其與光譜特征的結(jié)合進(jìn)一步提高了茶樹生長(zhǎng)監(jiān)測(cè)模型（R2= 0.79-0.80）的精度。研究同時(shí)利用高清無(wú)人機(jī)影像結(jié)合GIS平臺(tái)對(duì)各茶園地塊進(jìn)行數(shù)字化處理，量化了地塊空間位置、數(shù)量、面積等屬性，最終將茶樹生長(zhǎng)監(jiān)測(cè)模型與茶園地塊數(shù)字信息相結(jié)合，評(píng)估了8個(gè)茶園的樹體生長(zhǎng)空間變異情況（圖3；CV = 5.28% ~ 15.90%）。研究為茶樹生長(zhǎng)定量化監(jiān)測(cè)和數(shù)字化管控提供了重要技術(shù)支持。

圖2 光譜特征（a和c）與氣象指標(biāo)（b和d）對(duì)茶樹生長(zhǎng)監(jiān)測(cè)模型構(gòu)建的貢獻(xiàn)度

南京農(nóng)業(yè)大學(xué)園藝學(xué)院房婉萍教授為該論文的通訊作者，鐘山青年研究員江杰為論文第一作者，本團(tuán)隊(duì)研究生姬浩田、周官子、潘榮玉、趙麗玉，朱旭君副教授、馬媛春和段玉老師，南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院劉小軍教授，以及江蘇鑫品茶業(yè)有限公司尹娟、段兆翔參與了部分研究工作。本研究得到了國(guó)家自然科學(xué)基金、國(guó)家現(xiàn)代農(nóng)業(yè)（茶葉）產(chǎn)業(yè)技術(shù)體系、中國(guó)博士后科學(xué)基金面上資助、國(guó)家資助博士后研究人員計(jì)劃等項(xiàng)目資助。

圖3江蘇省8個(gè)代表性茶園的樹體生長(zhǎng)空間變異圖

（a-h）茶樹葉片生物量，（i-p）茶樹葉片氮素積累量