利用無人機(UAV)遙感估算不同水稻品種整個生長季的葉面積指數(shù)

 水稻是重要的糧食作物之一。葉面積指數(shù)（LAI）的準確動態(tài)監(jiān)測為評價水稻生長和產(chǎn)量提供了重要信息。

通過無人機成像在整個生長季節(jié)遠程估計各種水稻品種的葉面積指數(shù)。在研究地點種植了48種不同的水稻品種，每周進行一次田間活動。

對于每個活動，從12波段無人機圖像獲得的冠層反射率計算幾個廣泛使用的植被指數(shù)，從無人機RGB圖像獲得冠層高度，

通過植物取樣破壞性地測量葉面積指數(shù)。

水稻全生育期的葉面積指數(shù)與葉面積指數(shù)的相關(guān)性較弱，水稻抽穗前和抽穗后的葉面積指數(shù)與葉面積指數(shù)的關(guān)系均存在明顯的滯后現(xiàn)象。

基于植被指數(shù)和冠層高度乘積的模型可以減少這種滯后現(xiàn)象，估算水稻全季葉面積指數(shù)，估算誤差在24%以下，不需要對不同物候期進行算法重新參數(shù)化。

用a MTCI、b CIgreen、c CIred edge、d NDRE、e WDRVI、f NDVI、g OSAVI 和 h EVI2 繪制了整個生長季水稻葉面積指數(shù)的變化。

在所有測試的VIs中，抽穗后（HD后）階段的樣本偏離了抽穗前（Pre-HD）階段的LAI與VI關(guān)系

物候的變化會影響作物的葉面積指數(shù)與葉面積指數(shù)的關(guān)系，特別是對于穗外露后冠層光譜和結(jié)構(gòu)差異較大的水稻。

因此，僅利用VI估算水稻葉面積指數(shù)的模型具有物候特異性，對抽穗后階段具有很高的不確定性。

本研究開發(fā)的模型結(jié)合了遙感的冠層高度和植被指數(shù)信息，大大提高了水稻抽穗期前后葉面積指數(shù)的估算。

該方法無需水稻物候?qū)W和品種知識，可在無人機平臺上方便、高效地實現(xiàn)水稻品種在整個生長季的檢測，

在大規(guī)模協(xié)助水稻育種和田間管理研究方面具有巨大潛力。