ICS 67.140.10 CCS X 55 团 体 标 准 T/CTSS 96-2024 茶树新梢茶多酚与氨基酸含量无人机多光谱遥 感监测技术规程 Technical regulation for the determination of tea polyphenols and amino acids in tea plants young shoots using UAV multispectral remote sensing 中国茶叶学会 2024-12-31 发布 2024-12-31 实施 发 布 全国团体标准信息平台 前 言 本文件按照 GB/T 1.1 -2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规 定起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由山东省农业科学院 提出。 本文件由中国茶叶学会 标准化工作委员会 归口。 本文件起草单位： 山东省农业科学院、青岛农业大学 、山东省农业技术推广中心、威海市农业 农村事务服务中心 。 本文件主要起草人： 丁兆堂、王玉、范凯、孙立涛、申加枝、毛艺霖、李晓江、王双双、徐秀 秀、李宇晨 、李玉胜、王林军 。 全国团体标准信息平台 茶树新梢茶多酚 与氨基酸含量无人机多光谱遥感监测技术规程 1 范围 本文件规定了茶树新梢茶多酚与氨基酸含量的无人机 多光谱遥感测定的术语和定义、无人机多 光谱采集设备、 数据采集、 多光谱影像 辐射定标 、鲜叶茶多酚 与氨基酸含量检测、茶叶茶多酚与氨 基酸含量建模分析。 本文件适用于茶树新梢茶多酚与氨基酸含量的无人机多光谱遥感 测定。 2 规范性引用文件 下列文件中的内容通过 文中的规范性引用而构成本文件必不可少 的条款。其中，注日期的引用 文件，仅该日期对应的版本适用于本文件 ；不注日期的引用文件，其最新版本（包括所有的修改单） 适用于本文件。 GB/T 8314 茶 游离氨基酸总量的测定 GB/T 8313 茶叶中茶多酚和儿茶素类含量的检测方法 3 术语和定义 下列术语和定义适用于本文件。 3.1 无人机多光谱遥感 （Unmanned Aerial Vehicle multispectral remote sensing ） 是无人机平台搭载的多光谱传感器，对地面目标进行多个光谱波段的图像拍摄和数据收集。 4 无人机多光谱数据采集 4.1 采集设备 采用无人机飞行 器搭载多光谱传感器，为了传感器的稳定性，实际飞行高度和设定高度的误差不 超过0.1 m为宜。 4.2 多光谱（multispectral ，MS）数据采集 在晴朗无风 或微风（风速小于5 m/s）的天气，正午10：00～14：00进行多光谱影像数据采集。 飞行前，划分好茶园飞行区域，设计飞行路径， 无人机遥控器上选择自动规划航拍模式， 传感器的视 场角为30°，飞行高度设置 为20 m～40 m，飞行速度为 2 m/s～10 m/s。两幅相邻图像的航向重叠 率和旁向重叠率分别为 60%～85%和60%～80%。 4.3 辐射定标 在影像配准时将白板添加到图像中，手动输入白板的反射率。 5 鲜叶茶多酚与氨基酸含量 检测 在待测样地设置 1 m2为一个采样单元，采摘冠层全部新梢（一芽二叶）作为一个样本，用于测定 茶多酚含量和氨基酸含量。根据待测样地面积的大小，随机设置采样单元的个数， 需保证采集样本 大于120个。采集的样本 首先在120 ℃烘箱中放置 15 min～30 min进行杀青，然后在 70 ℃烘箱中烘干 4 h～8 h。最后将干燥后的样品进行研磨、 粉碎，使其通过 1 mm孔径的筛，密封保存并标记， 后根 据GB/T 8314和GB/T 831 3进行检测。 6 鲜叶茶多酚与氨基酸含量建模分析 6.1 光谱选择 在茶树鲜叶 茶多酚含量估测方面选择相关性较高的光谱参数 ，如修正型三角植被指数 （MTVI2）、 全国团体标准信息平台 优化土壤调节植被指数 （OSAVI）、土壤调节植被指数 （SAVI）、非线性植被指数 （NLI）、重归一化 差异植被指数 （RDVI）。在茶树鲜叶氨基酸含量估测方面选择相关性较高的光谱参数 ，如差值植被指 数（DVI）、三角植被指数（ TVI）、OSAVI、SAVI、RDVI。本标准所涉及的植被指数见附录 A。 6.2 鲜叶茶多酚 和氨基酸 含量预测 回归模型的建立 将茶树鲜叶茶多酚和氨基酸 含量地面参数的测定值作为输出变量，选择的光谱参数作为输入变 量进行拟合，进行茶多酚预测模型的训练与测试 。同时按照 2:1的比例划分训练集与测试集，建立茶 多酚和氨基酸 含量的预测模型。 针对茶多酚含量 预估建议采用 支持向量 回归（support vector regression ，SVR）模型；针对氨基酸 含量预估建议采用 偏最小二乘回归 （partial least squares regression ，PLSR）模型。 6.3 精度检验 方法 利用决定系数（ R2）、均方根误差（ RMSE）和归一化均方根误差（ NRMSE）对茶多酚与氨基酸模型 的预测效果进行评价 。 R2、 RMSE 和 NRMSE 由公式（ 1），（2）和（3）计算。R2大于0.7， RMSE 小于0.5和 NRMSE小于0.3表示模型的性能 较好，否则模型无效。 𝑅2=1−∑ (𝑥𝑖−𝑦𝑖)2 𝑛 𝑖=1 ∑ (𝑥𝑖−𝑥̅)2 𝑛 𝑖=1……………………………………（ 1） 𝑅𝑀𝑆𝐸 =√∑ (𝑦𝑖−𝑥𝑖)2 𝑛 𝑖=1 𝑛……………………………………（ 2） NRMSE =√∑ (𝑦𝑖−𝑥𝑖)2 𝑛 𝑖=1 𝑛 𝑦̅…………………………………（ 3） 式中： R2——决定系数； n ——建模样本 个数； 𝑥𝑖——第i个建模样本实测值； 𝑦𝑖——第i个建模样本预测值 ； 𝑥̅——建模样本 平均实测值； 𝑦̅——建模样本 平均预测值。 全国团体标准信息平台