水稻是世界上最重要的粮食作物之一。叶面积指数（LAI）的准确动态监测为评价水稻生长和产量提供了重要信息。

本研究探索了一种简单的方法，通过无人机成像在整个生长季节远程估计各种水稻品种的叶面积指数。在研究地点种植了48种不同的水稻品种，每周进行一次田间活动。对于每个活动，从12波段无人机图像获得的冠层反射率计算几个广泛使用的植被指数，从无人机RGB图像获得冠层高度，通过植物取样破坏性地测量叶面积指数。



结果表明，水稻全生育期的叶面积指数与叶面积指数的相关性较弱，水稻抽穗前和抽穗后的叶面积指数与叶面积指数的关系均存在明显的滞后现象。基于植被指数和冠层高度乘积的模型可以减少这种滞后现象，估算水稻全季叶面积指数，估算误差在24%以下，不需要对不同物候期进行算法重新参数化。


用a MTCI、b CIgreen、c CIred edge、d NDRE、e WDRVI、f NDVI、g OSAVI 和 h EVI2 绘制了整个生长季水稻叶面积指数的变化。在所有测试的VIs中，抽穗后（HD后）阶段的样本偏离了抽穗前（Pre-HD）阶段的LAI与VI关系

物候的变化会影响作物的叶面积指数与叶面积指数的关系，特别是对于穗外露后冠层光谱和结构差异较大的水稻。因此，仅利用VI估算水稻叶面积指数的模型具有物候特异性，对抽穗后阶段具有很高的不确定性。本研究开发的模型结合了遥感的冠层高度和植被指数信息，大大提高了水稻抽穗期前后叶面积指数的估算。该方法无需水稻物候学和品种知识，可在无人机平台上方便、高效地实现水稻品种在整个生长季的检测，在大规模协助水稻育种和田间管理研究方面具有巨大潜力。

来源：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