基于HA-ResUNet++分割模型的马铃薯田土壤水分反演方法

《Smart Agricultural Technology》：A Soil Moisture Inversion Method for Potato Fields Based on the HA-ResUNet++ Segmentation Model

针对无人机热红外监测中冠层温度提取不精确、土壤水分反演精度受限的问题，本研究提出了一种融合分层注意力与可变形卷积的HA-ResUNet++模型用于马铃薯冠层分割。通过集成多模态输入和物候自适应的冠层温度确定策略，构建了基于作物水分胁迫指数（CWSI）的土壤水分反演模型，显著提升了马铃薯田水分监测的稳定性和准确性，为精准灌溉提供了快速无损的技术支持。

　　

马铃薯是全球重要的主粮作物之一，其产量和品质对水分亏缺高度敏感。及时、准确地监测田间土壤水分状况，是实现节水灌溉和保障马铃薯稳产高产的关键。然而，传统的田间水分监测方法，如人工取样或点状传感器，虽然准确但费时费力，且难以反映田块尺度的空间变异性。遥感技术为此提供了大范围监测的可能，但卫星观测易受云层、重访周期和空间分辨率的限制。近年来，搭载热红外相机的无人机（UAV）以其灵活、高分辨率的优势，为作物水分胁迫的近距离诊断带来了新机遇。它能够直接获取与作物气孔调节、蒸腾冷却密切相关的冠层温度（T_c），并由此计算作物水分胁迫指数（CWSI），从而更早地诊断水分胁迫。

尽管如此，从热红外影像到稳定的土壤水分反演仍面临两大瓶颈。首先，冠层像素的提取质量至关重要。田间复杂的土壤背景、阴影以及马铃薯不同生长阶段（苗期、块茎形成期、块茎膨大期）冠层覆盖度的巨大变化，都给精确分割冠层区域带来了挑战。不准确的分割会将土壤等背景温度误计入冠层温度，严重影响后续计算的准确性。其次，如何从分割出的冠层区域中确定一个最具代表性的温度值（例如均值、峰值、最大值或特定百分位数温度）来构建CWSI，并使其与土壤水分建立稳健的关系，目前缺乏针对马铃薯不同物候期的系统评估。单一的提取策略可能无法在所有生长阶段都表现最优。针对这些挑战，由中国农业大学等单位的研究人员开展了一项研究，旨在开发一个从高精度冠层分割到物候自适应土壤水分反演的完整技术链条，相关成果发表在《Smart Agricultural Technology》期刊上。

为了完成这项研究，作者团队主要采用了以下几种关键技术方法：研究在河北省张家口市张北试验站进行，设置了严重胁迫、轻度胁迫和充分灌溉三个水分梯度，并种植了“夏波蒂”和“京薯1号”两个马铃薯品种。数据采集覆盖了三个关键生长阶段，使用大疆M3T无人机搭载热红外和RGB相机在固定时间窗口获取影像。同时，使用手持式土壤水分速测仪和红外测温仪同步测量地表土壤体积含水量和叶片温度，并记录气象数据。在数据处理阶段，研究提出了一种名为HA-ResUNet++的冠层分割模型，该模型基于UNet++架构，以ResNet34为编码器，引入了DCNv4可变形卷积、CBAM注意力和CoT注意力模块，并创新性地采用伪彩色热像与温度矩阵组成的四通道输入。基于分割结果，评估了四种冠层温度确定方法，并构建CWSI，最后利用多项式回归模型建立了CWSI与土壤水分的反演关系。

结果部分如下：

3.1. 输入数据格式对分割性能的影响

研究人员比较了单通道温度矩阵、三通道伪彩色图像以及四通道（伪彩色+温度矩阵）融合数据三种输入格式。结果表明，四通道输入在所有评估指标上均表现最佳，其交并比（IoU）达到0.7250。这证明融合空间结构特征和定量热辐射信息能有效提升模型在复杂背景下的分割鲁棒性，为后续精准提取冠层温度奠定了基础。

3.2. 分割模型性能分析

通过与一系列经典分割模型对比，本研究提出的HA-ResUNet++模型取得了最优性能，其平均交并比（mIoU）达到84.93%，相较于基线模型UNet++提升了7.31%。消融实验进一步证明，逐步加入CBAM、CoT注意力和DCNv4模块均能有效提升模型性能，验证了各改进组件的有效性。

3.3. 冠层掩膜对CWSI-土壤水分回归的影响

研究定量分析了分割精度对下游水分反演的影响。在保持冠层温度指标和回归模型不变的情况下，仅将分割掩膜从UNet++的结果替换为HA-ResUNet++的结果，跨生长阶段和品种的CWSI-土壤水分回归决定系数（R2）均获得了一致提升（ΔR2为正）。这表明更精确的冠层分割能减少土壤背景污染，直接增强基于CWSI的水分反演性能。

3.4. 不同冠层温度提取方法的比较

研究发现，最优的冠层温度提取策略具有显著的物候依赖性。在苗期，平均冠层温度（T_mc）最为稳健；在块茎形成期，峰值频率温度（T_pc）和T_mc更适用；而在块茎膨大期，冠层温度最大值（T_max）或温度分布的50百分位数（T_cf50%）表现最佳。这反映了冠层结构演变对热信号分布特征的深刻影响。

3.5. 拟合方法对含水量反演精度的影响

在建立CWSI与土壤水分的反演模型时，研究人员比较了线性、二次多项式、指数和S形四种拟合方法。结果表明，二次多项式拟合在三个生长阶段对两个品种均能取得最好的效果，其R2值相较于常用的线性拟合均有提高。

结论与讨论部分对本研究进行了总结与展望。该研究成功构建了一个集成了鲁棒冠层分割、物候自适应温度提取和CWSI建模的无人机热红外土壤水分反演框架。核心结论是：通过HA-ResUNet++模型实现的高精度冠层分割，结合针对不同生长阶段动态选择的最优冠层温度指标（苗期用T_mc，块茎形成期用T_pc/T_mc，块茎膨大期用T_cf50%/T_max），并采用二次多项式模型，能够在田间尺度上实现马铃薯土壤水分的定量反演，反演模型R2在0.52至0.66之间。

这项研究的重要意义在于，它系统性地解决了无人机热红外监测用于马铃薯水分胁迫诊断中的两个关键不确定性环节——分割与温度表征，将人工智能图像处理与作物生理生态机理相结合。所提出的物候自适应策略，增强了技术在不同生长阶段的适用性和稳定性，为农田尺度的精准水分管理提供了一个快速、无损且可扩展的解决方案。然而，研究也指出，反演精度仍受限于参考温度边界估算的准确性、土壤水分测量的代表性（本研究仅用20厘米深度）以及数据集的时空范围。未来工作将通过扩大数据集、考虑多层次土壤水分信息以及探究品种特异性差异，来进一步提升模型的鲁棒性和普适性。总体而言，该框架为推动无人机热遥感技术从理论研究走向实际农业应用提供了有力的方法学参考。