利用無(wú)人機(jī)(UAV)遙感估算不同水稻品種整個(gè)生長(zhǎng)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(zhǔn)確動(dòng)態(tài)監(jiān)測(cè)為評(píng)價(jià)水稻生長(zhǎng)和產(chǎn)量提供了重要信息。

通過(guò)無(wú)人機(jī)成像在整個(gè)生長(zhǎng)季節(jié)遠(yuǎn)程估計(jì)各種水稻品種的葉面積指數(shù)。在研究地點(diǎn)種植了48種不同的水稻品種，每周進(jìn)行一次田間活動(dòng)。

對(duì)于每個(gè)活動(dòng)，從12波段無(wú)人機(jī)圖像獲得的冠層反射率計(jì)算幾個(gè)廣泛使用的植被指數(shù)，從無(wú)人機(jī)RGB圖像獲得冠層高度，

通過(guò)植物取樣破壞性地測(cè)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(duì)不同物候期進(jìn)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(gè)生長(zhǎng)季水稻葉面積指數(shù)的變化。

在所有測(cè)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(huì)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(duì)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(duì)抽穗后階段具有很高的不確定性。

本研究開(kāi)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(wú)需水稻物候?qū)W和品種知識(shí)，可在無(wú)人機(jī)平臺(tái)上方便、高效地實(shí)現(xiàn)水稻品種在整個(gè)生長(zhǎng)季的檢測(cè)，

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。