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)確動態(tài)監(jiān)測為評價水稻生長和產(chǎn)量提供了重要信息。

本研究探索了一種簡單的方法，通過無人機成像在整個生長季節(jié)遠(yuǎn)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(jìn)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)。



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。

來源：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