基于无人机(UAV)的遥感技术提供了一种矫捷、低成本和高效的步骤
，能够在精密的时空分辨率下监测作物的成长状态
，并且在加快育种过程和提高精确田间治理方面拥有巨大的潜力。

作物表表模型提取和水稻高度估算的工作流程

本钻研会商了使用双图像帧快拍照机的轻型无人机来估计分歧氮(N)处置下水稻分歧成长阶段的地上生物量(AGB)和穗生物量(PB)。首先钻研了典型植被指数（VIs）和AGB的时空变动
，并评估了在两个分歧阶段从红绿蓝（RGB）图像中提取的作物表表模型（CSM）的正确性。在此基础上
，成立了AGB估计的随机丛林模型和PB模型。此表
，还对无人机变量进行了变量沉要性和敏感性分析
，以钻研提高模型鲁棒性和预测精度的潜力。

9个植被指数（VIs）和冠层高度的r²来自作物表表模型（Hcsm）与穗生物量（PB）

尝试了局批注
，从CSM中提取的冠层高度(Hcsm)与地面测得的冠层高度拥有较高的有关性
，但不能单独用于水稻整个生育期的生物量评价；构鄄斓郊父鯲IS与AGB高度有关
，从多光谱图像中提取的建改归一化差谱指数达到了zui高有关性。融合RGB和多光谱图像数据的RF模型显著提高了AGB和PB的预测了局
，均方根误差(RMSEP)的预测降低了8.33-16.00%。测定系数(r²)、RMSEP和相对RMSE (RRMSE)别离为0.90、0.21 kg/m²和14.05%、0.68、0.10 kg/m²和12.11%
，对AGB和PB的预测成效最好。此表
，了局批注
，敏感性分析能够在不降低预测精度的前提下简化预测模型。

从在初始衔接和初始抽穗阶段获得的红绿蓝（RGB）图像产生的作物表表模型（Hcsm）得到的冠层高度散布
，坐标显示在1984年世界大地坐标系中

这些钻研了局证了然将轻型无人机与双图像帧快拍照机利用于水稻生物量估算的可行性
，以及其对精准农业中植物成长有关性状的高通量分析以及先进育种打算的潜力。

关键词：无人机（UVA）
，图像帧快照多光谱相机
，数据融合
，地上生物量
，作物表表模型
，随机丛林回归。

起源：Plant Methods.Dynamic monitoring of biomass of rice under different nitrogen treatments using a lightweight UAV with dual image-frame snapshot cameras.Haiyan Cen, Liang Wan, Jiangpeng Zhu, Yijian Li, Xiaoran Li, Yueming Zhu, Haiyong Weng, Weikang Wu, Wenxin Yin, Chi Xu, Yidan Bao, Lei Feng, Jianyao Shou and Yong HeEmail author.https://doi.org/10.1186/s13007-019-0418-8