图1 品种和氮肥处理对归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、归一化红边指数（NDRE）、绿色比值植被指数（GRVI）和简单比值（SR）指数季节性变化轨迹的影响。这些指数基于2021、2022和2023年生长季期间，在伊利诺伊州厄巴纳能源农场的大规模柳枝稷试验地中拍摄的多光谱图像计算得出。

图2 不同时期（6月、7月、8月和9月）测量的植被指数与生物量产量及木质纤维素组分之间的皮尔森相关系数。NDVI：归一化植被指数；GNDVI：绿色归一化植被指数；NDRE：归一化红边指数；GRVI：绿色比值植被指数；SR：简单比值指数。

图3 基于8月中旬图像的单变量GNDVI，采用线性、指数、偏最小二乘回归和随机森林回归模型对训练集和验证集的柳枝稷生物质产量进行预测的散点图。阴影区域表示模型拟合的95%置信区间。蓝点代表数据集中实际观测值，红线表示模型对数据的拟合或预测效果。

图4 基于8月中旬图像的GNDVI和NDRE多变量组合，采用线性、指数、偏最小二乘回归和随机森林回归模型对训练集和验证集的柳枝稷生物质产量进行预测的散点图。阴影区域表示模型拟合的95%置信区间。蓝点表示数据集中实际观测值，红线显示模型对数据的拟合或预测效果。

图5 基于8月中旬图像的归一化红边指数（NDRE），采用线性、指数、偏最小二乘回归（PLSR）和随机森林回归（RF）模型对训练集和验证集纤维素浓度进行预测的散点图。阴影区域表示模型拟合的95%置信区间。蓝点表示数据集中实际观测值，红线显示模型对数据的拟合或预测效果。

图6 基于7月中旬图像的GNDVI、NDRE、NDVI和GRVI多变量组合，采用线性、指数、偏最小二乘回归（PLSR）和随机森林回归（RF）模型对训练集和验证集半纤维素浓度进行预测的散点图。阴影区域表示模型拟合的95%置信区间。蓝点代表数据集中实际观测值，红线显示模型对数据的拟合或预测效果。

  图7 基于7月中旬图像的GNDVI、NDVI和GRVI组合，采用线性、指数、偏最小二乘回归（PLSR）和随机森林回归（RF）模型对训练集和验证集酸性洗涤木质素（ADL）进行预测的散点图。阴影区域表示模型拟合的95%置信区间。蓝点表示数据集中实际观测值，红线显示模型对数据的拟合或预测效果。