图1  在Tifton，GA的结缕草种群中的实地研究的航空图像。定义个体地块边界的多边形覆盖在航空图像上，地块大小为0.6 × 0.6 m。

图2  来自Tifton，GA研究地点的天气数据，包括（a）平均气温和蒸汽压差，（b）2023年5月1日至9月28日降水量、蒸散量和土壤水分的差值（图中红色阴影部分），以评估结缕草群体的干旱响应。（b）中的粉红色箭头表示三个采样日期（2023年6月7日、8月3日和8月21日）进行高光谱图像采集。

 图3  基于sUAS的高光谱成像工作流程，包括数据收集、预处理和绘图级提取。AGL，地面水平；GSD，地面采样距离；NDVI，归一化差异植被指数；RTK GNSS，实时动态全球导航卫星系统。

图4  2023年8月3日和8月21日，在Tifton，GA的结缕草群体中，235个结缕草的视觉草坪草质量（TQ）。表现最好的组和表现较差的组，每个组包含10个基因型，分别以绿色和棕色突出显示（a），具有标准误差。代表表现最好、较差和中等的组的三个基因型突出显示（B）在绿色中，在8月21日，前10个抗旱基因型被选为视觉TQ最高的统计组，并且在前18天内视觉TQ下降最小（8月3日至8月21日）。表现较差的10种基因型在8月21日被确定为视觉TQ最低统计组，在同一时期，视觉TQ的下降幅度最大。

 图5  光谱反射率（a）（实线）及其变异系数（CV，%，黑色虚线），通过基于sUAS的高光谱相机在三个采样日期收集的235个结缕草基因型中的结缕草群体：2023年6月7日（D1）、8月3日（D2）和8月21日（D3）。表现最好和表现最差的组，每组包含10个基因型，用绿色和棕色线突出显示，8月21日，前10个抗旱基因型被选为草坪草视觉质量（TQ）最高的统计组，在前18天内视觉TQ下降最小（8月3日至8月21日）。表现较差的10种基因型在8月21日被确定为视觉TQ最低统计组，在同一时期，视觉TQ的降低最大。配对t检验p值的热图（b），比较表现最佳组和表现较差组的反射率，其中较浅的阴影表示更显著的差异。

图6  直方图和密度图显示了在三个采样日期，结缕草种群中植被指数（VIs）的分布：（2023年6月7日；绿色），D2（2023年8月3日；紫色）和D3（2023年8月21日；棕色）。垂直虚线表示三种代表性基因型的值：19-TZ-14434（紫色）、19-TZ-14537（蓝色）和19-TZ-14539（绿色），沿着两个亲本Meyer（灰色）和PI 231146（黑色），在D3。MRENDVI，修正的红边归一化差异植被指数；NDRE，归一化差异红边指数；NDVI，归一化差异植被指数；PRI，光化学反射指数；PSRI，植物衰老反射指数；RENDVI，红边归一化差异植被指数；SIPI，结构不敏感色素指数；WBI，水带指数；WINDVI，WBI与NDVI的比值。

图7  通过基于sUAS的高光谱相机在由235种基因型组成的结缕草种群中收集的选定指数，采样日期为：2023年6月7日（D1）、8月3日（D2）和8月21日（D3）。来自表现最好的组的基因型19-TZ-14539，来自表现较差的组的基因型19-TZ-14537，来自中间组的19-TZ-14434分别以绿色、棕色和紫色线突出显示，并带有标准误差。红色 * 表示在给定日期三种基因型之间存在统计学差异。父母Meyer和PI 231146分别以黑色实线和虚线突出显示。

 图8  从sUAS的高光谱图像估计可见草坪质量（TQ）的弹性网络回归模型的性能和模型系数。散点图比较预测与观察到的视觉TQ使用模型建立在全光谱反射率（a）和选定的植被指数（B），与各自的均方根误差（RMSE），R2，面板（c）和（d）显示了模型系数，突出了弹性网络模型中最具影响力的光谱波长（c）和植被指数（d）。