近日，中国农业科学院作物科学研究所作物栽培与生理创新团队，基于无人机高通量作物表型观测平台采集的RGB、多光谱和热红外图像构建多模态数据，对玉米叶面积指数进行精确估测，为更精细化的指导玉米田间水肥管理，发展智慧农业提供依据。7月15日，相关研究成果在线发表于《植物生理学（Plant Physiology）》。
　　据金秀良研究员介绍，叶面积指数（LAI）是作物表型参数的重要组成部分，是评价作物生长和估产的重要指标，有利于玉米的高通量表型分析和精确农业。深入挖掘多模态数据来估算玉米冠层LAI有利于提高其估测精度，同时对其他玉米关键表型性状提供启示。

　　研究人员采用采集的LAI作为地面真实测量值，在玉米冠层不同高度下采集5个水平面的LAI垂直分布数据，使用无人机采集的RGB、多光谱和热红外图像构建多模态数据集。并通过对这些参数进行数据处理，估计叶面积指数。此外，研究建立了一个三层隐含的深度学习模型来估计玉米的叶面积指数。研究发现，可见光波段构建的植被指数与LAI的相关性强于近红外和红边波段构建的植被指数；热红外波段获得的玉米冠层热信息与LAI密切相关。这意味着常用在植被蒸散发模型中的热红外传感器，对于估计LAI也非常有效。此研究为玉米的高通量表型分析提供参考，为农业生产精准管理和智慧农业提供科学依据。
　　武汉大学遥感信息工程学院博士生刘帅兵为文章第一作者，作科所金秀良研究员为文章通讯作者。该研究得到了国家重点研发计划、国家自然科学基金、国家重点基础研究发展计划和中国农科院科技创新工程等项目资助。
　　原文链接：https://academic.oup.com/plphys/advance-article-abstract/doi/10.1093/plphys/kiab322/6321903?redirectedFrom=fulltext