新疆生地所在吐鲁番棚架式葡萄园葡萄叶面积指数遥感监测方面取得进展

　　葡萄是人类最早栽培的以食物和饮品为目的的植物之一。2019年我国葡萄产量达到1448万吨，占全世界葡萄产量的17.01%。其中，吐鲁番的葡萄由其甜度高而世界有名，2019年的产值达到了33.1亿元，已成为当地农民脱贫攻坚和乡村振兴的重要支柱产业。然而，与葡萄产业发达的法国、意大利等国家相比，吐鲁番的葡萄生产方式，如施肥、除草、修剪、采摘等仍依靠传统的人工管理方式，机械化程度比较低，限制了吐鲁番葡萄产量和品质的提高，从而影响着其市场地位和价格。影响葡萄产量和品质的表型因素有很多，如叶面积指数、生物量、氮含量等。其中，吐鲁番的农民仍然采用人工修剪的方式调整棚架式葡萄园的叶面积指数，并提高其产量和品质。目前，修剪量和修剪时间对产量和品质的影响尚不明确，需要不断地监测叶面积指数才能揭开。人工方式监测大面积葡萄叶面积指数比较难，需要大量的人力和时间，给高通量叶面积指数监测带来了较大的困难。

　　近年来，随着无人机遥感设备的轻量化和多样化，以及遥感数据处理技术的进步，无人机遥感在农田信息监测领域得到了快速发展，成为了现代化精准农业的重要支撑。吐鲁番的葡萄在管理方式、架式、气候和品种等方面与其他地区的葡萄有着明显的差异，因此在遥感影像上的表现形式也有所不同。针对吐鲁番的典型棚架式葡萄园葡萄长势方面的研究寥寥无几。对此，针对吐鲁番典型的棚架式葡萄园，中国科学院新疆生态与地理研究所精准数字表面模型与景观研究团队利用简单、便宜的无人机遥感数据和地面验证数据，采用多种浅层机器学习和深度学习方法，比较准确地反演了不同生长期的叶面积指数，为高通量叶面积指数监测提供了扎实的技术基础。另外，团队还提出了一种针对回归问题的图像数据增强方法，有效提高了卷积神经网络模型的预测精度和效率。本方法在小样本量训练数据条件下，对训练图像数据进行拼接生成新的数据，不仅可以增加图像数据的数量，还可以有效增加标签量，由此提高回归模型的泛化能力。本方法也可以应用到其他深度学习回归模型的训练中，为同类问题提供了方法基础。利用本研究训练的模型可以精准制作田间叶面积指数分布图，并通过分析可以进行针对性管理，如修剪、施肥、灌溉等。本研究成果在吐鲁番葡萄栽培管理方面将起到指导性作用，将来可以分析叶面积指数的时空变化对葡萄产量和品质的影响，从而能够达到提高产量和品质的目标。

　　本研究相关成果以“Leaf Area Index Estimation of Pergola-Trained Vineyards in Arid Regions Using Classical and Deep Learning Methods Based on UAV-Based RGB Images”为题发表在Computers and Electronics in Agriculture。论文第一作者为武汉大学与新疆生地所联合培养的博士研究生奥斯曼 艾力尼亚孜，通讯作者为新疆生地所艾里西尔 库尔班研究员。

　　文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0168169923001114 

Fig. 1. Workflow of the overall process.

Fig. 2. Distribution of sample plots in two vineyards and rectifying a cropped image (in the middle).

Fig. 3. The architecture of the CNN model used in this study. (a) Overall architecture. (b) The architecture of a single residual unit.

Fig. 4. Ranking of (a) spectral features, (b) textural features, and (c) combined features according to importance scores.

Fig.5. Performance of shallow machine learning models with different numbers of (a) spectral features, (b) textural features, and (c) combined features.