《Plant Phenomics》：Cross-modal data integration and spectral optimization for enhanced individual apple tree canopy nitrogen concentration estimation using UAV remote sensing
编辑推荐：
本研究针对高密度果园个体树冠层氮浓度(CNC)监测中存在的垂直分层和混合像元效应问题，开发了一种融合RGB点云与高光谱影像的跨模态框架。通过分层采样、连续小波变换(CWT)和VIP-PLSR波段选择进行光谱优化，结合K-means像素聚类筛选代表性冠层像元。结果表明，下层冠层CNC显著高于上层0.5–9.5%，CWT-2尺度模型表现最优(R2val=0.69–0.76)，为复杂冠层结构的生化参数反演提供了创新方法。
在现代化高密度果园管理中，精准掌握每棵果树的营养状况是实现高效施肥的关键。然而，传统监测方法面临两大技术瓶颈：苹果树复杂的三维冠层结构导致氮元素分布存在明显的垂直分层现象，而无人机遥感技术又受限于混合像元效应，难以准确捕捉冠层边界的光谱信息。这些因素严重制约了个体树冠层氮浓度(Canopy Nitrogen Concentration, CNC)的无损监测精度，成为果园精准管理的技术瓶颈。
针对这一挑战，中国农业科学院农业信息研究所的研究团队在《Plant Phenomics》上发表了一项创新研究，通过融合多模态遥感数据与光谱优化技术，成功实现了对个体苹果树CNC的精准估测。研究人员巧妙地将RGB影像生成的高精度三维点云与高光谱正射影像进行配准，解决了高密度果园中单株树冠难以准确分割的难题。
研究团队在2023-2025年期间，于辽宁兴城苹果试验站开展了系统的田间试验。他们采用随机区组设计，设置了不同肥料类型和氮肥梯度的处理组合，通过分层采样获取了冠层上下层的叶片氮浓度数据。关键技术方法包括：利用无人机搭载Cubert X20P高光谱传感器和Zenmuse P1 RGB相机同步采集数据；通过点云分割和Alpha Shape算法提取单株树冠轮廓；应用连续小波变换(Continuous Wavelet Transform, CWT)增强光谱特征；采用变量重要性投影-偏最小二乘回归(Variable Importance in Projection-Partial Least Squares Regression, VIP-PLSR)进行特征选择和建模；运用K-means聚类算法筛选植被主导像元。
3.1. 苹果树CNC的分层分布特征
研究发现苹果树冠层存在显著的氮浓度垂直分层现象。在不同施肥处理下，下层冠层的CNC普遍高于上层，差异幅度达0.5%-9.5%。这种分层模式在化学肥料和羊粪处理中表现一致，但具体差异程度受肥料类型和施氮量影响。
3.2. 无人机冠层高光谱数据分析
通过连续小波变换对原始光谱进行多尺度分解后发现，低尺度CWT(特别是CWT-2)能有效增强与CNC相关的光谱特征。相关性分析表明，经过CWT变换后的光谱在蓝光波段(430-500 nm)、红光波段(640-700 nm)以及红边至近红外区域(720-800 nm)与CNC的相关性显著提高。
3.3. 基于PLSR的CNC估测模型
比较不同光谱形式的建模效果显示，CWT变换能显著提升CNC估测精度。其中CWT-2尺度在上下冠层均表现最优，验证集R2分别达到0.57(上层)和0.70(下层)。VIP分析进一步揭示了冠层分层对特征波段选择的影响，上下层共享的敏感波段主要集中在红边和近红外区域。
3.4. 基于像素聚类的CNC估测优化
K-means聚类将冠层像素分为Cluster-A(冠层内部)和Cluster-B(冠层边界)两类。Cluster-A像素具有典型植被光谱特征，其CNC估测精度显著高于Cluster-B和全像素模型。独立验证结果表明，基于Cluster-A像素的模型在上下冠层的R2val分别达到0.57和0.63，证明了像素筛选策略的有效性。
研究讨论部分深入分析了冠层氮浓度垂直分层的生理生态机制。下层叶片为适应弱光环境，通常会增加氮素在光合机构中的投资，导致CNC升高。这种分层现象不仅反映了树体的营养分配策略，也影响了光谱与CNC的关系模式。研究表明，下层冠层的CNC估测精度普遍高于上层，这可能与上层冠层受到光照、阴影等环境因素干扰更大有关。
该研究的创新之处在于将点云辅助的个体树定位、分层光谱分析和像素级优化有机结合，形成了完整的CNC估测技术链条。通过CWT增强和VIP筛选，有效提取了与氮素代谢相关的敏感光谱特征；而像素聚类则显著降低了混合像元对估测精度的影响。这些技术手段的共同作用，使得在复杂果园环境下实现个体树CNC精准监测成为可能。
尽管该研究取得了重要进展，作者也指出了若干局限性。目前的研究仅针对单一品种，且冠层分层采用了相对简化的上下两层划分方法。未来研究需要扩展到更多品种和管理模式，并考虑冠层氮浓度的连续垂直梯度。此外，点云与高光谱影像的配准精度、阴影和背景干扰等因素仍是需要进一步优化的技术环节。
这项研究为果园精准氮素管理提供了重要的技术支撑。通过无人机多模态遥感技术，实现了从群体到个体、从整体到分层的氮素监测精度提升，为优化施肥决策、提高资源利用效率奠定了方法学基础。随着相关技术的不断完善，这种高效、无损的监测模式有望在现代化果园管理中发挥越来越重要的作用。
