山东理工大学农业工程与食品科学学院兰玉彬团队在IJABE（Int J Agric & Biol Eng）发表了题为“Summer maize LAI retrieval based on multi-source remote sensing data”的研究论文，此研究采用搭载长光禹辰公司自主研发的 MS600 Pro多光谱相机的多旋翼无人机，获取了两年间夏玉米多生育期的多光谱图像，利用特征筛选对LAI敏感特征进行了提取，并采用GLR、MNR和PLSR方法进行模型构建，最终获得泛化性能较好的夏玉米LAI反演模型，为玉米田间施肥提供有效的决策数据。
图1 论文首页截图
图2 M210-MS600 Pro无人机载多光谱遥感系统
叶面积指数（leaf area of index，LAI）是表征作物光合作用能力强弱和生物量的重要指标，也是监测作物长势变化和产量的重要农学参数之一。玉米作为中国主要的粮食及饲料作物，对国家粮食安全及经济调控至关重要。如何通过遥感方法有效的获取玉米LAI变化，进而监测玉米长势，精准指导田间生产，提高玉米的产量和品质，是目前的研究热点。
通过利用四旋翼无人机搭载MS600 Pro 多光谱相机采集了两年间玉米地块尺度的多光谱影像。首先，结合可见光、高光谱和环境数据，提取了多光谱植被指数、反射率、株高和积温等特征。分析发现无人机多光谱数据与高光谱数据的相关性均大于0.64，为显著相关；LAI与宽范围动态植被指数（wide dynamic range vegetation index, WDRVI）、归一化差值植被指数（Normalized difference vegetation index, NDVI）、比值植被指数（Ratio vegetation index, RVI）、植物生化指标（Plant biochemical index, PBI）、优化土壤调节植被指数（Optimized soil-adjusted vegetation index, OSAVI）、CHM和GDD具有较高的相关性。
然后采用一般线性（General linear regression model, GLR）、非线性（Multivariate nonlinear regression, MNR）及偏最小二乘法（Partial least-squares regression，PLSR）构建了LAI反演模型，对比各模型在不同数据源下的反演效果，分析发现引入株高和积温数据的模型较好的反演了夏玉米的LAI，其中PLSR模型反演效果最佳，模型的R2分别为0.7102，RMSE为1.1755。
表1 不同数据源下的模型反演效果
图3 LAI反演效果图
研究表明，利用无人机多光谱影像数据结合环境数据，能够及时、准确提夏玉米LAI信息，有效的监测夏玉米LAI变化，为夏玉米田间管理提供了一种有效的快速可行的数据获取方法。
附：
[1] 论文信息：Pan F J, Guo J K, Miao J C, Xu H Y, Tian B Q, Gong D C, et al. Summer maize LAI retrieval based on multi-source remote sensing data. Int J Agric & Biol Eng, 2023; 16(2): 179-186.
[2]论文全文链接：
http://www.ijabe.org/index.php/ijabe/article/view/7285/pdf