加强关键植物性状的快速表型鉴定(如生物量和含氮量)对于有效监测作物生长和最大限度提高产量至关重要。高通量有效地监测作物氮素状况仍是亟待解决的问题。近年来，以利用安装在不同平台上的多光谱和高光谱传感器为基础的技术创新有助于为精确农业的表型鉴定和开发新工具提供关键的图像数据，无人机和搭载其上的传感器以成本和快速获得图像的能力使其在评估关键植物性状以提高产量方面具有重要价值。然而，在数据可用性、可访问的数据集方面，在已报道的文献中尚有空白。

基于以上背景，本文检索全球范围内基于无人机表型平台对主要大田作物特性评估的相关数据，重点收集使用植被指数（vegetation indexs, VIS）预测与氮相关的性状或产量数据。最终的数据集包括41篇同行评议的论文，从过去20年(2000年至2023年)对分布在13个国家的11个主要作物进行了11,189次观察。该数据集提供了关于关键VIS的基础知识，以表征作物的氮素状况，此外，将来对此数据集的更新可能包括新的开放数据集，以指导未来基于无人机的植物特性评估研究。

图1. a)说明研究检索、收集、筛选和选择的桑基图。b)每年选定的研究项目数目

图2.棉花和小麦氮素吸收(kg ha−1)与植被指数(NDRE、NDVI)的关系。注：不同颜色代表不同研究，不同符号代表不同大田作物

图3. 用其对氮素(a)和产量(b)的95%可信区间观察了Fisher’s Z效应。注：红线表示不同生长阶段，黑线表示不同作物品种

图4. 小麦各生育期和各性状(分蘖、拔节、抽穗)组合的相对产量与NDVI的关系。注：不同颜色代表不同研究，不同符号代表不同作物生长阶段

表1. 研究识别(ID)、国家、作物、物候期/时间、植物特性和植被指数

表2. 氮素和产量的单因素(作物、生育期)回归模型