甘蔗是一种高生物量的多年生草本作物，其生长周期约为12个月左右。为了在生长早期预测甘蔗产量，需要利用人工采样的方式获取甘蔗早期生长数据，不但耗时耗力、测产效率低下，而且会破坏植株结构不利于连续观测。相比之下，无人机遥感技术以其无损、高效、高通量的优势，在甘蔗产量预测和基因型选择方面表现出极大的应用潜力。本研究通过获取甘蔗第四阶段(基因型选择的最后阶段)的无人机影像和地面实测数据，建立茎秆产量(Tons of cane per hectare, TCH)、蔗糖浓度(Sucrose concentration)、糖产量(Tons of sugar per hectare, TSH)等多个表型的提取模型，评估无人机遥感技术在甘蔗估产中的应用效果。同时，为评价本研究提出的方法在甘蔗基因型选择中的表现，采集的样本中还包含了多个不同基因型。

　　本研究使用大疆Matrice 600 Pro无人机搭载的Pika L高光谱相机采集甘蔗不同生育时期的遥感影像(图1)，同时采用人工采样的方式在成熟期进行测产，然后分别利用梯度提升回归树(Gradient boosting regression tree, GBRT)、偏最小二乘回归、支持向量机回归和随机森林等不同方法建立基于无人机高光谱影像的甘蔗产量预测模型(图2)。实验结果显示，GBRT算法的估产效果最佳，可以在甘蔗生长早期准确预测产量。此外，GBRT的估测结果表明，蔗糖浓度的估测精度要优于茎秆产量和糖产量(表1)。在此基础上，利用蔗糖浓度和茎秆产量的高精度估测结果，可以在甘蔗生长早期实现基因型选择。

　　因此，本研究提出了一种基于无人机高光谱影像的甘蔗估产方法，可以在甘蔗生长早期准确预估甘蔗产量，根据估产结果可以进行甘蔗基因型选择，有助于缩短育种进程、提高育种效率。同时，该结论也为构建高通量甘蔗表型平台提供了技术支撑。

　　图1 本研究中的甘蔗试验田块

　　图2 本研究的数据处理流程

　　表1 不同算法的估产精度

　　注：MAPE表示平均绝对百分误差(Mean absolute percentage error)

　　来源：Chiranjibi Poudyal, Lucas Fideles Costa, Hardev Sandhu, et al. Sugarcane yield prediction and genotype selection using UAV-based hyperspectral imaging and machine learning. Agronomy Journal, 2022.

　　编辑：段博