芒草是一种多年生草本作物。产量是芒草最重要的特征之一，也是过去十年来芒属植物研究的主要焦点。芒草的产量不仅取决于气候和土壤特征，还取决于作物年龄、收获时期和基因型/杂交类型。芒草在生物经济领域具有巨大潜力，产量预测有助于改善芒草的物流供应链。一些国家的育种项目正在尝试生产高产芒属杂交种，以更好地适应不同的气候和最终用途。本研究利用2021年和2022年在意大利和英国的无人机获取的多光谱图像，研究了新型芒草杂交品种的高通量表型(HTP)用于产量预测和作物性状估计的可行性。利用PROSAIL模型的模拟数据进行相互校准，将两个不同的多光谱传感器得出的植被指数(VIs)联系起来。随机森林算法利用VIs时间序列对产量性状(光截获量、株高、绿叶生物量和现存生物量)进行了较好的估计，利用由VIs时间序列峰值描述符预测产量，RMSE为2.3 Mg DM ha-1。该研究证明了无人机多光谱技术在HTP应用和产量预测方面的潜力，为提高多年生作物产量提供了重要信息。

　　图1 芒草性状在PAC 1和TWS 1两个位置的频率分布：(a) 光截获(%), (b) 株高(cm), (c) 绿叶生物量(Mg DM ha-1)和(d) 现存生物量(Mg DM ha-1)。

　　图2 四种芒草杂交品种在PAC 1和TWS 1上的估计与实测作物性状的比较：(a) 光截获(%), (b) 株高(cm), (c) 绿叶生物量(Mg DM ha-1)和(d) 现存生物量(Mg DM ha-1)｡

　　图3 (a) 广义相加模型(GAM)拟合的5个指数(GNDVI、greenWDRVI、MTVI2、NDVI、WDRVI)在PAC 1中芒草生长季的时间序列。(b) 由VIs的完整时间序列导出的VIs峰值与由VIs的部分时间序列导出的VIs峰值的变化。x轴表示PAC 1中该季节无人机飞行的DOYM。y轴表示在PAC 1中导出的季节结束时的峰值和从部分时间序列拟合到无人机飞行DOYM的峰值之间的峰值差异。

　　图4 用于产量预测的RF模型的NRMSE值，利用从完整时间序列得出的VIs峰值进行训练，并利用从部分时间序列得出的VIs峰值进行测试。

　　来源：Impollonia, G., Croci, M., Ferrarini, A.et al. UAV Remote Sensing for High-Throughput Phenotyping and for Yield Prediction of Miscanthus by Machine Learning Techniques. 2022. doi:10.20944/preprints202206.0120.v1

　　编辑：张玉