叶面积指数(LAI)是农民和科学家评价植物健康和生长随时间变化的重要生理生态参数，它表示叶表面积与单位地表覆盖面积的比值。由于LAI是植物水分和碳平衡的综合度量，它与水分蒸散、水分平衡、光截留和CO2流量等相关，这对玉米植物的生理、育种和植被结构的研究具有重要意义。

　　LAI和高度是玉米作物生长发育评价、健康评价和产量预测的生理生态和形态研究的两个重要指标。然而，使用手持工具和传统技术在野外绘制LAI的时空变化是一项繁琐的逐点操作，而且只能在有限的区域内提供信息。本研究的目的是评估利用自适应微地形模型从UAV倾斜图像生成的三维点云中提取玉米冠层LAI和高度的可行性。试验在大田种植3个不同冠层形状的品种，共4个重复，总面积为48 × 36 m。在玉米生长季的6个不同时间段，分别获取玉米田的低空和倾斜RGB图像。本研究通过Agisoft Metashape对图像进行处理，使用运动结构方法生成三维点云，然后通过MATLAB对图像进行处理，以获得清晰的冠层结构，包括高度和密度。LAI 是通过一个多元线性回归模型使用从 3D 点云衍生的作物冠层描述符来估计的，该描述符解释了冠层高度和叶片密度分布。基于正弦函数的仿真分析有效地验证了基于点云的微地形模型。对于地面真实数据，采用24个样本区随机区组设计，在生长季手动测量LAI、高度、N-pen数据和产量。结果发现，3D点云的冠层高度数据与三个CH90品种的手动测量具有相对较强的相关性(R2=0.89、0.86、0.78)。本文研究表明所提出的方法允许通过无人机 3D 数据对现场 LAI 指数提取进行经济高效的高分辨率映射，即使在无法进入的区域也可用作传统 LAI 评估的替代方案。

　　图1 基于UA V的摄影测量图，用于通过最低点和斜视图估计作物参数。

　　图2 试验田的布局和田间准备表明: (a)德国试验地的地理位置，(b)使用精密播种机播种玉米种子，(c)播种后玉米在田间的分布。

　　图3 重建演示示例(a)场的点云，(b)摄像机位置和图像重叠，(c)GCP位置和误差估计，(d)重建的数字立视图。

　　图4 地表模型演示示例(a)地形表面的散点图，(b)提取底部边缘点，(c)模拟周期曲线，(d)点与曲线的叠加，(e)模拟的残差图

　　来源：Li M.; Shamshiri R.R.; Schirrmann M.; et al. UAV oblique imagery with an adaptive micro-terrain model for estimation of leaf area index and height of maize canopy from 3D point clouds. Remote Sens. 2022, 14, 585. https://doi.org/10.3390/rs14030585

　　编辑：张玉