叶面积指数(Leaf Area Index，LAI)和生物量(biomass，BIO)是反映马铃薯生长状况并与马铃薯生物量相关的重要农艺参数。它们的精确估算能够监测作物生长，指导田间管理，优化种植空间格局。传统的马铃薯叶面积指数和生物量估算主要依赖于田间抽样调查。该方法效率低，成本高，且受样品数量的限制。不能准确反映马铃薯生长情况，不能满足大面积实时估算需求。与利用卫星遥感数据(remote sensing data，RSD)估算LAI和生物量相比，利用无人机(UAV) RSD估算这两个表型参数的研究相对不成熟。作物生长指数参数遥感估算的研究主要集中在特定类型的传感器获取的数据上，针对特定的生长阶段，比较分析不同方法的准确性。然而，通过对不同传感器数据和不同生长阶段的比较分析，优化最佳数据类型和最佳生长阶段对LAI和生物量估算的影响估计较少。多传感器集成技术使作物表型数据估计中研究不同作物表型信息并估计最佳数据类型和最佳生长期成为可能，成为该领域的新热点。本文将高清数码相机和成像高光谱仪集成在无人机平台上，同时获取数字图像和高光谱数据，以及地面测量的马铃薯叶面积指数和生物量数据。利用偏最小二乘回归(partial least squares regression，PLSR)、随机森林(random forest，RF)、支持向量机(support vector machine，SVM)和反向传播(backpropagation，BP)神经网络方法，本研究获得了不同生长阶段的数字图像和高光谱数据，将数字图像指数和植被指数放在一起，并研究了它们与LAI和BIO的关系。然后，选择相关性最强的指标。为了建立不同生长阶段的LAI和生物量估算模型，本文比较分析了不同数据类型和模型在不同生长阶段的估算影响。选择不同生长阶段LAI估算和生物量估算的最佳数据类型，以及LAI估算和生物量估算的最佳生长阶段。

结果表明，对马铃薯LAI进行估计时，4种估计模型的R²均值和RMSE均为0.75和0.30 Kg/亩，在块茎生长期估算效果最好，说明这是估算LAI的最佳生长期。利用高光谱植被指数估算LAI模型的R²和RMSE平均值分别为0.73和0.33 Kg/亩，表明高光谱数据是估算LAI的最佳数据类型。马铃薯生物量估算时，4种方法在块茎生育期的R²均值和RMSE均值分别为0.67和15.25 Kg/亩，均优于其他生育期，说明块茎生育期是估算马铃薯生物量的最佳生育期。高光谱植被指数估算模型的R²均值为0.67，RMSE均值为20.08 Kg/亩，表明高光谱数据是估算生物量的最佳数据类型。LAI和生物量估算模型在成熟期的R²平均值仅为0.56和0.36，表明估算效果较差。本研究可为作物生长监测中重要指标参数的优选提供指导。

图1  指数与LAI的相关顺序。

图2  基于PL SR、RF、SVM和BP的各种LAI估计模型的精度。

图3  指标与BIO的相关顺序。

图4  基于PLSR、RF、SVM和BP的生物多样性估计模型的精度。