水稻是世界上最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。

本研究探索了一種簡(jiǎn)單的方法，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)。



結(jié)果表明，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?；谥脖恢笖?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。

來(lái)源：Plant Methods.Remote estimation of leaf area index (LAI) with unmanned aerial vehicle (UAV) imaging for different rice cultivars throughout the entire growing season.Yan Gong, Kaili Yang, Zhiheng Lin, Shenghui Fang, Xianting Wu, Renshan Zhu & Yi Peng
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00789-4