開發水稻營養壓力的高光譜庫，以利分析水稻影像

 

摘要

中國科學院的研究團隊開發了一個針對水稻14種NPK（氮、磷、鉀）營養壓力條件的高光譜庫，旨在提升水稻影像分析的準確性。研究中使用地面高光譜相機收集了420張水稻在不同營養壓力下的影像，並利用基於變壓器的深度學習網絡SHCFTT進行分析。該模型能夠準確識別營養壓力模式，其準確率在93.92%至100%之間，顯著優於傳統的支持向量機（SVM）、一維卷積神經網絡（1D-CNN）和三維卷積神經網絡（3D-CNN）模型。

水稻作為全球重要的糧食作物，其產量和品質受到多種環境脅迫的影響，尤其是在營養價值方面。傳統的作物脅迫監測方法往往勞動密集且耗時，而遙感技術雖然展現出潛力，但也面臨大氣條件和農田混合等挑戰。

研究團隊使用SPECIM IQ高光譜成像設備分析水稻在不同營養壓力下的表現，計算了多種植被指數（如NDVI、PRI、PSRI）以識別壓力模式。NDVI指數顯示氮壓力的趨勢，而PRI和PSRI則有效指示鉀壓力水平。無監督可視化過程揭示了複雜的聚類情況，顯示出需要進一步建模來區分不同的壓力類型。

SHCFTT模型結合了卷積神經網絡（CNN）和變壓器架構，能在單年和雙年數據集上達到高達100%的整體準確率（OA）和平均準確率（AA），即使在訓練樣本有限的情況下也保持高準確性。

該研究於2024年5月發表在《Plant Phenomics》期刊，為高光譜成像在作物表型研究和精準農業領域的信息感知發展提供了典型案例。未來的研究將致力於將演算法擴展到其他作物，並優化注意力機制以進一步提高性能。這一研究成果對於作物健康監測和精準農業的決策制定具有重要意義。