山东理工大学农业工程与食品科学学院兰玉彬团队在Agronomy发表了题为“Summer Maize Growth Estimation Based on Near-Surface Multi-Source 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光谱图像，利用特征筛选对LAI和SPAD敏感特征进行了提取，并采用回归方法和机器学习方法进行模型构建，最终获得了泛化性能较好的夏玉米LAI和SPAD反演模型。
玉米作为重要的粮食和饲料来源，对全球粮食安全至关重要，因此如何高效快速的进行玉米长势监测，提高玉米产量和质量，是目前研究的着力点。随着无人机技术的发展，具有高分辨率、实时性能优越的多光谱遥感设备才能够及时、准确提取玉米的LAI和SPAD特征信息，为玉米田间管理提供数据和技术支持。
本研究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光谱影像，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。基于单一数据源和多源数据，利用多元线性回归（Multiple linear regression，MLR）、偏最小二乘法（Partial least-squares regression，PLSR）和随机森林算法（Random forest，RF）构建了LAI和SPAD反演模型，对比各模型在不同数据源下的反演效果，分析发现多源数据下的模型较好的反演了夏玉米的LAI和SPAD，其中RF模型反演效果最佳，在测试集中，RF模型构建的LAI和SPAD模型的R2分别为0.9315和0.7767，RMSE为0.4895和2.8387。
研究表明，利用无人机多光谱影像数据，能够及时、准确提取夏玉米LAI和SPAD信息，科学有效的监测夏玉米LAI和SPAD变化，为夏玉米田间管理提供了一种有效的技术手段。
附：【1】论文信息：by Jing Zhao、Fangjiang Pan、Xiao Xiao、Lianbin Hu、Xiaoli Wang、Yu Yan、 Shuailing Zhang、Bingquan Tian、Hailin Yu、andYubin Lan，Agronomy 2023, 13(2), 532;
【2】论文全文链接：https://www.mdpi.com/2073-4395/13/2/532