地上生物量（AGB）是一種使用廣泛的農藝參數，用于表征作物生長狀況和預測谷物產量。以無損的方式對AGB進行快速準確的估計，有助于在作物精確管理方面做出明智的決策。以往的研究利用無人機(UAV)數據得出的植被指數(VIs)和冠層高度指標來估計各種作物的AGB。然而，輸入變量要么來自一種數據類型，要么來自無人機上的不同傳感器。由單一低成本無人機系統得出的可見光和冠層高度指標的組合是否能提高AGB的估計精度尚不清楚。本研究使用低成本無人機系統在中國東部如皋小麥關鍵生長階段獲取30米飛行高度的圖像。實驗在2016年和2017年進行，涉及36個田間地塊，代表品種，氮肥水平和播種密度的變化。利用逐步多元線性回歸（SMLR）和三種機器學習算法（支持向量回歸（SVR）、極值學習機（ELM）、隨機森林（RF）評估了VIs、冠層高度指標及其組合在小麥AGB中的表現。
試驗場地位置及田間地塊布局隨機分布，氮水平、小麥品種、播種密度均有處理
結果表明，相對于單獨使用VIs或冠層高度指標，結合VIs和冠層高度指標可以提高小麥AGB的估計精度。具體來說，在SMLR和三種機器學習算法中，無論使用所有原始變量還是SMLR選擇的變量，RF的表現都是最好的。將RF應用于VIs與冠層高度指標組合時，獲得了最佳精度(R2 = 0.78, RMSE = 1.34 t/ha, rRMSE = 28.98%)。
小麥地上生物量（AGB，t/ha）基本統計
研究結果表明，一種由RF算法組成的方法，以及由低成本無人機系統在用戶級別上獲得的RGB圖像和點云數據的組合，可以用來提高AGB估計的準確性，并在其他增長參數的快速估計方面具有實際應用的潛力。
用于計算光譜植被指數的正射影像
關鍵詞：地上部分生物量，無人機，冠層高度，光譜植被指數，RGB相機
來源：Plant Methods 2019.Improved estimation of aboveground biomass in wheat from RGB imagery and point cloud data acquired with a low-cost unmanned aerial vehicle system.Ning Lu, Jie Zhou, Zixu Han, Dong Li, Qiang Cao, Xia Yao, Yongchao Tian, Yan Zhu, Weixing Cao and Tao Cheng.
