近日，南京农业大学园艺学院房婉萍教授团队，利用无人机遥感与数字化技术实现江苏省代表性茶园树体长势的智能无损监测。研究成果以“Non-destructive monitoring of tea plant growth through UAV spectral imagery and meteorological data using machine learning and parameter optimization algorithms”为题，发表在国际著名期刊《Computers and Electronics in Agriculture》。
随着茶园管理趋向更加集约化，迫切需要制定适合各种规模茶园的精准树体生长管理策略。为此，一项研究选择了江苏省8个具有代表性的茶园作为样本，这些茶园的核心区面积从8.33公顷到39.01公顷不等。研究人员利用无人机遥感技术获取了茶园的影像数据，并收集了各个茶园的气象信息。
通过参数优化算法与随机森林、弹性回归网络及偏最小二乘回归方法相结合，研究团队建立了用于监测茶树叶片生物量和氮素积累量的模型。结果显示，包含红边信息的光谱特征在估计茶树叶片生物量和氮积累量方面最为准确。传统机器学习方法在引入参数优化算法后，模型的准确性得到了显著提升，尤其是在结合三种光谱特征的情况下，叶片生物量和氮素积累量的监测模型分别达到了最高的R²值为0.76。
此外，当以90天和183天为时间窗口构建温度、辐射和降水指标时，这些指标对叶片生物量和氮素积累量的监测贡献更大（图2），并且它们与光谱特征的结合进一步提高了茶树生长监测模型的精度，R²值达到了0.79至0.80。
研究还采用了高分辨率无人机影像与地理信息系统（GIS）平台，对各茶园地块进行了数字化处理，量化了地块的空间位置、数量和面积等属性。最终，将茶树生长监测模型与茶园地块的数字信息相结合，评估了8个茶园内树体生长的空间变异情况（图3；变异系数CV = 5.28% ~ 15.90%）。这项研究为实现茶树生长的定量监测和数字化管理提供了关键的技术支持。
南京农业大学园艺学院房婉萍教授为该论文的通讯作者，钟山青年研究员江杰为论文第一作者，本团队研究生姬浩田、周官子、潘荣玉、赵丽玉，朱旭君副教授、马媛春和段玉老师，南京农业大学农学院刘小军教授，以及江苏鑫品茶业有限公司尹娟、段兆翔参与了部分研究工作。本研究得到了国家自然科学基金、国家现代农业（茶叶）产业技术体系、中国博士后科学基金面上资助、国家资助博士后研究人员计划等项目资助。
