Resumen: Este estudio se enfoca en chiles cultivados en la ciudad de Zunyi, provincia de Guizhou. La recolección de datos de campo incluyó medir los valores de SPAD de las hojas de chile durante la etapa de máxima fructificación y adquirir datos hiperespectrales cercanos al suelo, así como datos hiperespectrales UAV de baja altitud. Al extraer la reflectancia espectral de las hojas de chile de los datos hiperespectrales, preprocesar los datos y realizar análisis de correlación, se desarrolló un índice de vegetación altamente correlacionado con el contenido de clorofila de las hojas de chile.

 

Estimación Del Contenido De Clorofila En Hojas De Chili Pepper Basado En Datos De Detección Remota Hiperespectral

 

1, Introducción

La condición de crecimiento de los chiles afecta directamente su calidad y valor económico, por lo que es esencial el monitoreo en tiempo real de su crecimiento. Este monitoreo es un requisito previo para garantizar el cultivo científico de chiles. La clorofila, como sustancia primaria involucrada en la fotosíntesis, juega un papel crítico en este proceso, y su contenido puede usarse como un indicador importante de la salud vegetal.

La teledetección hiperespectral basada en UAV y las tecnologías hiperespectrales cercanas al suelo ofrecen ventajas únicas en el monitoreo del crecimiento de los cultivos, la clasificación y otros campos relacionados. Estas tecnologías son rápidas, eficientes, convenientes y capaces de cubrir grandes áreas, lo que permite un monitoreo continuo y dinámico de la vegetación. Tienen una promesa significativa en la investigación que implica la adquisición rápida de grandes volúmenes de datos fenotípicos. Los investigadores han aplicado tecnología hiperespectral para recuperar parámetros de vegetación, lo que permite un monitoreo rápido y no destructivo de la vegetación.

 

En este estudio, se eligieron chiles como tema de investigación y se realizaron experimentos de campo basados en diferentes variedades de chile. Se midieron datos hiperespectrales basados en tierra, datos hiperespectrales UAV y valores de SPAD en hojas. Al aprovechar las características espectrales de estas dos plataformas, se desarrollaron parámetros espectrales optimizados para revelar el impacto y las relaciones subyacentes de diferentes conjuntos de datos sobre la estimación del contenido de clorofila. Luego se estableció un modelo de regresión SPAD basado en algoritmos de aprendizaje automático, lo que condujo al desarrollo de un modelo de estimación del contenido de clorofila diseñado para hojas de chile en esta área de estudio. Los hallazgos tienen significado científico y valor práctico para el cultivo científico de chile en la región de Guizhou.

2, Diseño Experimental y Métodos de Análisis

2,1 Características Espectrales Típicas De Objetos Terrestres

El área de estudio se encuentra en la Base de Demostración Guanzhuang del Instituto de Investigación del Chili Pepper de la Academia de Ciencias Agrícolas de Guizhou en el Nuevo Distrito de Xinpu, Ciudad de Zunyi, Provincia de Guizhou (E104 ° 18 "20", N25 ° 19 "44", como se muestra en la Figura 2-1). La ciudad de Zunyi, conocida por sus diversas variedades de chiles y su alto valor nutricional, ha sido honrada con con el título de "Capital Mundial del Chili" por la Alianza Mundial del Chili.

Zunyi está situado en el norte de la provincia de Guizhou, en el borde noreste de la meseta de Yunnan-Guizhou, aproximadamente a 140 kilómetros al sur de la capital de la provincia, Guiyang. Cubriendo un área total de 30.762 kilómetros cuadrados, el área de estudio se caracteriza por un clima monzónico húmedo subtropical medio de la meseta. La región experimenta estaciones distintas, con períodos cálidos y lluviosos que coinciden, y tiene un largo período libre de heladas de unos 250 a 350 días. La temperatura media anual es de 15,1 ° C, con la duración del sol va del 23% al 29%, lo que garantiza una amplia luz solar. La zona también recibe abundantes precipitaciones, con una precipitación media anual que oscila entre 900 mm y 1200 mm, que varía de 800 mm a 1600 mm. Estas condiciones proporcionan una ventaja natural para el cultivo de chile.

 

Figura 2-1 Mapa de ubicación del área de estudio

2,2 Adquisición De Datos Hiperespectrales

2.2.1 Adquisición de datos espectrales sin imágenes basadas en tierra

Las mediciones espectrales se realizaron en hojas de ají durante la etapa de máxima fructificación utilizando un espectrómetro de campo portátil. Las mediciones se tomaron en condiciones climáticas favorables, entre las 10: 00 AM y las 3: 00 PM. Para evitar la contaminación lumínica, el personal que realizaba las mediciones vestía ropa de color oscuro.

El proceso de medición fue el siguiente: La sonda del espectrómetro se orientó hacia abajo y se posicionó aproximadamente de 15 a 30 cm por encima del dosel de la planta. Cada cinco plantas se realizó una calibración de panel de referencia blanco estándar. Para cada planta se tomaron cinco mediciones y se utilizó el valor promedio como reflectancia final. El rango espectral medido en este estudio estuvo entre 350 nm y 2500 nm, cubriendo un total de 2151 bandas. Debido a la influencia de las bandas de absorción de agua a 1400 nm y 1900 nm, y dado que estudios anteriores han demostrado que las bandas de respuesta de clorofila están dentro de los rangos visible e infrarrojo cercano, este estudio se enfocó en el rango espectral de 350 nm a 1300 nm para el análisis de clorofila utilizando los datos hiperespectrales.

2.2.2 Adquisición De Datos Hiperespectrales De Imágenes A Baja Altitud

Se utilizó un sistema de imágenes hiperespectrales para recolectar datos de imágenes del área de estudio en la mañana del 8 de septiembre de 2021, entre las 11: 00 AM y las 12: 00 PM. El clima estaba tranquilo, con sin nubosidad significativa y suficiente luz solar. Los parámetros de la cámara UAV se configuraron de la siguiente manera: altitud de vuelo de 100 metros y tiempo de exposición de 10 ms.

 

2,3 Preprocesamiento Espectral

2.3.1 Suavizado Espectral

Debido a las diferencias entre las bandas espectrales recogidas por el espectrómetro, el proceso de adquisición de datos puede verse influido por información espectral no relacionada con la muestra, lo que da lugar a curvas espectrales poco suaves, comúnmente conocidas como el fenómeno "spike". En la fase de procesamiento de datos, para obtener curvas espectrales "estables" y reducir el "ruido" en los espectros de la muestra, es necesario realizar una denoización espectral en los datos brutos de reflectancia espectral. Los métodos comunes de denoización espectral incluyen el suavizado de convolución, la media ponderada móvil, el filtrado gaussiano y el filtrado de la mediana. En este estudio se empleó el suavizado de convolución, con los datos se procesaron con el software adecuado.

3, Estudio de inversión de SPAD hiperespectral basado en UAV para chiles

3,1 Análisis De Características Espectrales Del Canopy

Como se muestra en la Figura 3-1, la tendencia general de la reflectancia espectral UAV indica que en la región de onda corta de luz visible, la reflectancia espectral de las hojas es generalmente baja, presentando un pico y dos valles. En la región de onda larga de luz visible, la reflectancia foliar aumenta bruscamente y luego se estabiliza en las regiones de onda larga e infrarrojo cercano. Para valores de SPAD que van de 30 a 70, no hay diferencia significativa en la reflectancia espectral, mientras que los valores de reflectancia correspondientes a valores de SPAD mayores a 70 son significativamente menores que los de otros valores de SPAD. Dentro del espectro visible, no hay una relación clara entre los valores de SPAD y la reflectancia espectral; sin embargo, cuando la longitud de onda supera los 730 nm, la tendencia muestra que cuanto mayor es el contenido de clorofila, menor es la reflectancia. La relación entre UAV y los espectros cercanos al suelo y los valores de SPAD se puede describir como una correlación inversa: a medida que aumentan los valores de SPAD, la reflectancia correspondiente disminuye.

 

Figura 3-1 Reflectancia Espectral Correspondiente a Diferentes Valores SPAD (UAV)

La Figura 3-2 (a) presenta los valores estadísticos del contenido de clorofila para todas las muestras de hojas, mientras que la Figura 3-2 (b) divide estas muestras en conjuntos de modelado y validación. En la estadística de clorofila se marcan la desviación mínima, máxima, media y estándar. El rango de contenido de clorofila en las muestras del conjunto de entrenamiento está entre 32,9 y 73,9, mientras que en el conjunto de predicción está entre 55,8 y 66,4. El contenido promedio de clorofila en el conjunto de entrenamiento es 59,7, con una desviación estándar de 8,1, mientras que el conjunto de predicción tiene un contenido promedio de clorofila de 61,2 y una desviación estándar de 3,2. El contenido promedio de clorofila del conjunto de validación es ligeramente mayor que el del conjunto de modelado y su rango de distribución es más estrecho.

 

Figura 3-2 Estadísticas del Contenido de Clorofila para Hojas de Muestra

 

3,2 Preprocesamiento De Datos

Después de obtener los datos de navegación inercial en bruto del espectrómetro montado en UAV, los datos deben procesarse a través de varios pasos, como se muestra en la Figura 3-3. Estos pasos incluyen segmentación de la ruta de vuelo, corrección geométrica, corrección radiométrica, registro geográfico, costura de imágenes y calibración radiométrica para obtener los datos de reflectancia de la superficie de los datos del cubo.

 

Figura 3-3 Pasos de preprocesamiento de datos hiperespectrales de UAV

La reflectancia espectral se vuelve a muestrear, y el rango hiperespectral UAV procesado es de 396 nm a 998 nm. Para mejorar la correlación entre la reflectancia espectral y el contenido de clorofila y para mitigar la influencia del ruido circundante y la reflectancia del suelo en el espectro del chile, se aplica un procesamiento adicional.

3,3 Análisis De Correlación

3.3.1 Análisis De Correlación Entre Espectros Crudos Y Valores SPAD

Usando software, se calcularon y trazaron los coeficientes de correlación entre los datos hiperespectrales de hojas de ají y los valores de SPAD. La correlación entre el contenido de clorofila foliar y la reflectancia espectral bruta se muestra en la Figura 3-4.

 

Figura 3-4 Coeficiente de Correlación Entre Espectros Crudos y Valores SPAD

Como se muestra en la Figura 3-4, existe una fuerte correlación entre la reflectancia espectral de las hojas de ají y el contenido de clorofila dentro del rango de luz visible, particularmente en la banda de luz verde (480-510 nm) y la banda de luz roja (587-702 nm). En contraste, la banda de infrarrojo cercano (780-1000 nm) muestra casi ninguna correlación. La banda de 350-709 nm muestra una correlación positiva altamente significativa (al nivel de significancia de 0,01), con la correlación positiva más fuerte a 504 nm, donde el coeficiente de correlación es de 0,58.

3.3.2 Análisis De Correlación Entre Espectros Logarítmicos Recíprocos Y Valores SPAD

 

Figura 3-5 Coeficiente De Correlación Entre Espectros Logarítmicos Recíprocos Y Valores SPAD

Como se ve en la Figura 3-5, los espectros logarítmicos recíprocos exhiben una correlación negativa altamente significativa (en el nivel de significación de 0,01) en el rango de 350-701 nm, con la correlación más fuerte ocurre a 423 nm, donde el coeficiente de correlación es -0,60.

3.3.3 Análisis De Correlación Entre Espectros De Corrección De Dispersión Multiplicativa Y Valores De SPAD

La figura 3-6 muestra que hay una correlación negativa altamente significativa en el rango de 350-523 nm, con la correlación negativa más fuerte ocurre a 515 nm, donde el coeficiente de correlación es -0,52. En el rango de 540-732 nm, se observa una correlación positiva, con la correlación positiva más fuerte ocurre a 701 nm, donde el coeficiente de correlación es 0,65.

 

Figura 3-6 Coeficiente De Correlación Entre Los Espectros De Corrección De Dispersión Multiplicativa Y Los Valores De SPAD

3.3.3 Análisis De Correlación Entre Espectros Continuos Eliminados Y Valores SPAD

La correlación entre el contenido de clorofila foliar y los espectros eliminados del continuo se muestra en la Figura 3-7. Como se muestra en la Figura 3-7, existe una correlación positiva altamente significativa en el rango de 400-724 nm y una correlación negativa altamente significativa en el rango de 812-827 nm. La correlación más fuerte se observa a 691 nm, con un coeficiente de correlación de 0,601.

 

Figura 3-7 Coeficiente De Correlación Entre Espectros Continuos Eliminados Y Valores SPAD

 

4 。 Conclusión

Para lograr la inversión regional del contenido de clorofila de la hoja de chile en el área de estudio, este artículo se centró en los chiles dentro de la región de estudio. Utilizando teledetección hiperespectral de baja altitud y tecnología hiperespectral cercana al suelo, el estudio empleó datos hiperespectrales UAV para invertir el contenido de clorofila en chiles. A través de la aplicación de análisis espectral, estadísticas matemáticas y otros métodos técnicos, se realizaron con muestreos sincrónicos de campo combinados, un análisis integral. La investigación identificó bandas características e índices de vegetación espectral relacionados con los parámetros fisiológicos del chile, lo que condujo al desarrollo de un modelo de inversión SPAD altamente generalizable y preciso. Los hallazgos del estudio proporcionan una base teórica y una referencia regional para el monitoreo en tiempo real y el manejo preciso de los parámetros fisiológicos en el cultivo de chile montañoso.

Producto recomendado:

Espectrómetro de campo iSpecField-HH / NIR / WNIR

El espectrómetro de campo es el último producto insignia de LiSen Optics diseñado específicamente para mediciones de detección remota de campo, ambientes de suelo y exploración geológica mineral. Cuenta con un diseño de ruta óptica único y tecnología de calibración de ruido, lo que permite la calibración automática en tiempo real de la corriente oscura. Utilizando una rejilla holográfica fija para dividir la luz por una sola vez, ofrece velocidades de prueba rápidas con un tiempo de integración mínimo de hasta 20 micras. El espectrómetro es altamente flexible y portátil, proporcionando pruebas espectrales rápidas y datos espectrales precisos. Es ampliamente utilizado en mediciones de detección remota, monitoreo de cultivos, investigación forestal, estudios oceanográficos y exploración de minerales.