植物生长速率是量化作物潜在生产力的重要表型参数，因为快速的生长速度将提高作物与其他物种竞争的能力，并有效地捕获阳光、二氧化碳和水。在田间条件下，人工测量植物生长速率在大多数情况下是不准确的。评估在整个生长季节多次基于UA V（无人飞行器）采集的图像来量化植物生长速率的潜力就尤为重要。基于图像的高通量平台为快速、无损和客观地估计植物生长参数提供了巨大的潜力。本研究在每次人工测量地上生物量的同时收集航空图像，并用于生成二维正形图和三维点云。结果表明，远程检测到的植被面积和作物体积产生的趋势与整个生长季干重生物量的积累相当。该模型的生长速率和G50参数有效地量化了扁豆生长速率，这表明基于图像的工具在植物育种计划中的巨大潜力。本文将基于图像的地面覆盖物和植被体积估计值与人工测量的地上生物量进行比较，表明两者具有很强的相关性。结果表明，用UA V测量的植被面积有助于量化扁豆生物量，并反映生长季节早期的叶面积。对于中后期生物量估计，小区容积被确定为更好的估计量。除传统性状外，基于图像的方法可以估计和分析传统育种计划中未收集的植物参数，这可以通过提供新的表型性状和影响选择强度来提高育种效率。

图1 不同基因型作物整个生长季节的干重生物量积累。Nasser 2017（A）、Rosthern 2017（B）、Sutherland 2017（C）、Nasser 2018（D）和Rosthern 2018（E）。

图2 估计的生长速率参数：干重生物量（A），植被面积（B）和小区体积（C），显示了不同基因型在不同年份和小区的状况。

图3 六个生物量的收获时间点。在整个生长季节大约每两周测量一次整个地块的生物量，在破坏性采样前24小时内收集航空图像。

图4 图像处理和分析工作流程。

来 源