本研究采用區(qū)域積分比值法對(duì)無人機(jī)高光譜數(shù)據(jù)反射率進(jìn)行優(yōu)化，并通過與單點(diǎn)地面光譜儀實(shí)測(cè)數(shù)據(jù)對(duì)比驗(yàn)證優(yōu)化效果。優(yōu)化結(jié)果如圖5所示：?jiǎn)吸c(diǎn)光譜、優(yōu)化后無人機(jī)光譜及原始無人機(jī)光譜的反射率曲線趨勢(shì)和形態(tài)相似，均表現(xiàn)出可比的吸收特征，在680 nm附近呈波谷、760 nm處呈波峰。在可見光區(qū)，優(yōu)化后無人機(jī)光譜較原始光譜更接近單點(diǎn)地面光譜儀實(shí)測(cè)數(shù)據(jù)（圖6）。在近紅外區(qū)，原始無人機(jī)光譜與單點(diǎn)光譜差異更為顯著：原始無人機(jī)光譜在800–1000 nm范圍的平均反射率較單點(diǎn)數(shù)據(jù)低0.15–0.2，而優(yōu)化后該差異縮小至0.05以內(nèi)（圖7）。在680–720 nm過渡波段區(qū)域，優(yōu)化算法通過引入三次樣條插值和混合光譜控制點(diǎn)改善了光譜連續(xù)性。綜上所述，經(jīng)優(yōu)化后無人機(jī)光譜在總體趨勢(shì)和反射率數(shù)值上與單點(diǎn)光譜更為吻合。與原始無人機(jī)光譜相比，優(yōu)化后光譜在全波長(zhǎng)范圍內(nèi)與單點(diǎn)光譜的一致性顯著增強(qiáng)，有效降低了原始數(shù)據(jù)誤差，提升了無人機(jī)光譜數(shù)據(jù)的質(zhì)量與可靠性。

圖5 2023年和2024年單點(diǎn)高光譜、原始無人機(jī)與優(yōu)化后無人機(jī)反射率對(duì)比：（a）和（b）為2023年反射率對(duì)比；（c）和（d）為2024年反射率對(duì)比。

圖6 400–700 nm區(qū)域放大圖

圖7 800–900 nm區(qū)域放大圖

本研究通過量化優(yōu)化前后無人機(jī)高光譜反射率數(shù)據(jù)與單點(diǎn)光譜實(shí)測(cè)數(shù)據(jù)之間的RMSE Reflectance，系統(tǒng)評(píng)估了光譜優(yōu)化算法的性能提升效果。如圖8（a）所示，各樣本的RMSE Reflectance分布呈現(xiàn)顯著差異：原始無人機(jī)高光譜數(shù)據(jù)集的平均RMSE Reflectance為0.132，其誤差空間分布表現(xiàn)出強(qiáng)烈的異質(zhì)性，表明原始數(shù)據(jù)存在顯著的系統(tǒng)偏差和隨機(jī)噪聲。優(yōu)化后數(shù)據(jù)集的平均RMSE Reflectance降至0.015，較原始數(shù)據(jù)降低88.64%，體現(xiàn)了優(yōu)化方法對(duì)高光譜數(shù)據(jù)誤差的顯著抑制能力。所有樣本優(yōu)化后的RMSE Reflectance均低于原始數(shù)據(jù)，驗(yàn)證了優(yōu)化方法的全局有效性和穩(wěn)定性，未出現(xiàn)局部樣本誤差反彈現(xiàn)象，確保了數(shù)據(jù)質(zhì)量的整體提升。如圖8（b）所示，在全波段光譜誤差方面，原始數(shù)據(jù)與優(yōu)化數(shù)據(jù)的RMSE Reflectance曲線在400–1000 nm波長(zhǎng)范圍內(nèi)波動(dòng)趨勢(shì)相似，但優(yōu)化算法在各波段均實(shí)現(xiàn)了顯著的誤差抑制。在可見光波段（400–700 nm），優(yōu)化后RMSE Reflectance始終低于0.012；在近紅外波段（700–1000 nm），RMSE Reflectance峰值為0.04。全波段平均誤差降低幅度達(dá)88.89%。值得注意的是，在紅邊敏感波段（680–720 nm）誤差雖有所降低，但優(yōu)化幅度較其他波段偏小，表明該區(qū)域可能存在算法優(yōu)化局限性，需在后續(xù)研究中針對(duì)性改進(jìn)。

圖8 RMSE Reflectance對(duì)比。（a）各樣本原始與優(yōu)化后無人機(jī)反射率RMSE Reflectance對(duì)比；（b）全波長(zhǎng)范圍原始與優(yōu)化后無人機(jī)反射率RMSE Reflectance對(duì)比。

基于原始無人機(jī)高光譜數(shù)據(jù)集，利用ELM進(jìn)行水稻葉綠素反演所選波長(zhǎng)為413、498、511、521、610和685 nm。CPO-ELM模型所選波長(zhǎng)為417、418、534、544、623和636 nm。FLA-ELM模型所選波長(zhǎng)為419、468、486、582、621和693 nm。基于優(yōu)化后無人機(jī)高光譜數(shù)據(jù)集，利用ELM進(jìn)行水稻葉綠素反演所選波長(zhǎng)為430、494、545、667、682和688 nm。CPO-ELM所選波長(zhǎng)為422、505、510、585、674和680 nm。利用FLA-ELM方法所選波長(zhǎng)為551、647、659、671、675和696 nm。如表1所示，基于FLA-ELM的優(yōu)化后無人機(jī)高光譜數(shù)據(jù)集在水稻葉綠素反演中取得了*佳效果，證明光譜優(yōu)化對(duì)于提升模型穩(wěn)定性和反演精度具有顯著作用。

結(jié)論

本研究基于單點(diǎn)地面光譜儀數(shù)據(jù)對(duì)無人機(jī)高光譜數(shù)據(jù)進(jìn)行優(yōu)化，采用面向敏感域的隨機(jī)游走策略，通過蒙特卡洛模擬在400–700 nm范圍內(nèi)生成候選波長(zhǎng)組合。將篩選后的波長(zhǎng)作為輸入、水稻葉綠素含量作為輸出，構(gòu)建ELM、CPO-ELM和FLA-ELM水稻葉綠素含量反演模型。對(duì)比原始無人機(jī)數(shù)據(jù)集與優(yōu)化后數(shù)據(jù)集的模型反演效果，主要結(jié)論如下：

（1）優(yōu)化后高光譜反射率與單點(diǎn)實(shí)測(cè)值高度接近。優(yōu)化后高光譜反射率的RMSE Reflectance低于重采樣后的原始高光譜反射率：原始全波段數(shù)據(jù)平均RMSE Reflectance 為0.108，優(yōu)化后數(shù)據(jù)平均RMSE Reflectance為0.012，全波段平均誤差降低88.89%；各樣本原始數(shù)據(jù)平均RMSE Reflectance為0.132，優(yōu)化后較原始數(shù)據(jù)降低88.64%。結(jié)果表明該優(yōu)化方法可有效減小單點(diǎn)與無人機(jī)高光譜數(shù)據(jù)間的差異。

（2）基于FLA-ELM構(gòu)建的反演模型性能*優(yōu)。使用原始無人機(jī)數(shù)據(jù)集時(shí)，訓(xùn)練集R2為0.638，RMSE Chl為6.453 μg/cm2；測(cè)試集R2為0.608，RMSE Chl為6.518 μg/cm2，所選波長(zhǎng)為419、468、486、582、621和693 nm。使用優(yōu)化后無人機(jī)高光譜數(shù)據(jù)集時(shí)，訓(xùn)練集R2為0.758，RMSE Chl為5.276 μg/cm2；測(cè)試集R2為0.755，RMSE Chl為5.371 μg/cm2，所選波長(zhǎng)為551、647、659、671、675和696 nm。

綜上所述，基于優(yōu)化后無人機(jī)數(shù)據(jù)集構(gòu)建的水稻葉綠素反演模型優(yōu)于原始數(shù)據(jù)集構(gòu)建的模型，為水稻葉綠素含量獲取提供了一種新方法。