使用无人机图像数据监控氮的应用率对茶叶质量的影响

准确、高效地评价施氮量对茶叶品质的影响，对茶园氮素管理具有重要意义。然而，以前的方法都是通过土壤或叶子取样，使用生化方法进行实验室测试。这些方法不仅样本少，而且耗时、低效。因此，开发快速、高效、无损的诊断方法是该领域的重要目标。

研究者利用无人机携带的多光谱相机获取茶树冠层的光谱信息，并通过ENVI提取实验地块的平均DN值，最终得到28个光谱参数。通过分析同步测量的光谱参数与地面参数的相关性，选取了5个相关性较高的光谱参数。最后，利用支持向量机、偏最小二乘法和BP神经网络建立了茶叶氮含量、茶多酚和氨基酸含量的预测模型。通过建模对比和系数验证，结果表明，实验室测量的地面参数与模型估计的结果吻合较好。SVM模型在预测氮含量和茶多酚含量方面的性能最好，分别为R2= 0.7583和0.7533，RMSEP=0.4086和0.3392，NRMSEP=1.23和1.28。PLSR模型在预测氨基酸含量方面表现最好，R2= 0.7597，RMSEP=0.1176，NRMSEP=4.10。

结果表明，基于无人机图像数据和机器学习算法的模型能够有效检测茶树的主要生化成分，为茶园管理提供重要依据。