【论文精选】多粒度光谱特征的牧草粗蛋白含量高光谱遥感估算

来源：农业工程学报

《农业工程学报》2019年第35卷第23期刊载了首都师范大学三维信息获取与应用教育部重点实验室康孝岩与张爱武的论文——“多粒度光谱特征的牧草粗蛋白含量高光谱遥感估算”。该研究由国家重点研发计划项目（项目号：2016YFB0502500）等资助。

牧草粗蛋白（Crude Protein，CP）含量是决定牧草品质的重要指标，快速地估算牧草CP含量对草原牧草的生长监测具有重要意义。牧草CP含量的常规测量手段为外业采样+实验室分析，该方案成本较高，样方数量有限，时效性较差。无人机遥感可方便获取大面积区域的高光谱影像，满足牧草CP含量的快速估算和空间制图。牧草CP含量反演的常规方法忽视了光谱中蕴含的多粒度信息，以致反演精度不高。

本文利用课题组自主研发的无人机高光谱成像系统获取了青海省海晏县西海镇样区的高光谱影像数据，并随机选点和采集了牧草样品。将多粒度光谱分析技术引入到牧草CP含量的估算研究中，提出一种新的多粒度光谱特征提取方法——多粒度分割（MGS），并结合序列前向选择（Sequential Forward Selection， SFS）方法，提出一种新的牧草CP含量估算的解决方案，对比原始光谱，探讨不同方法的反演效果。

研究表明，与原始光谱相比，MGS能够取得更优的牧草CP含量估算性能，其交叉验证最优模型的R2、RMSE和MRE分别为0.937、1.906 g/m2

和8.82%，比原始光谱最优模型的R2高0.06，RMSE和MRE分别低0.75 g/m2和1.37%。MGS实现了高光谱影像对牧草CP含量的高性能估算，相比原始光谱性能更优，验证了其有效性，可为牧草CP含量的准确估算提供新的技术手段。