植株高度(株高)是一种简单易获取的观测，它不仅可以手动测量，也可以利于无人机系统进行大尺度的监测。将株高观测融入到作物模型数据同化系统中，不仅有利于降低观测成本，也有助于提高禾本科作物(如甘蔗)的产量估计精度。

面对中国乃至全球的农业种植及粮食安全问题，如何降低传感器成本，提高作物产量的估计精度，是实现精准农业和农业现代化的核心问题。目前在表型领域，作物的估产主要依赖于多光谱和高光谱相机，通过将叶面积指数(LAI)等信息融入到作物模型中，从而实现对产量的预估。然而，这些传感器往往价格昂贵，并且操作复杂，并不适用于农业生活生产。

基于无人机系统作物表层模型的株高数据提取

本研究基于无人机系统及数码相机，通过提取多角度影像的点云特征，构建了田间作物表层模型，以极低的成本获取了各实验小区的株高数据，并通过耦合Sigmoid株高生长模型与SWAP模型，构建了新的SWAP-PH数据同化系统。通过将无人机所获得的株高观测融入到作物模型中，提高了甘蔗的叶面积指数和产量的估计精度。

基于无人机株高数据同化的株高(PH)，叶面积指数(LAI)及产量(DMC)模拟结果

此外，针对于模型模拟精度问题，对株高在不同生育期以及不同观测平台(无人机观测平台，地面观测平台)的误差来源及成因进行了分析，发现在拔节期的株高观测对甘蔗产量估计的价值最高。另外，由于地面观测的株高具有点尺度效应，无法代表一个实验田块的平均情况，因此通过融合无人机推导的株高观测，可以获得更好地模型模拟和产量估计结果。综上所述，株高数据同化系统可以有效地提高作物生长状态和产量的模拟精度，并由于其观测成本低，在精准农业中具有十分广阔地应用前景。

基于无人机及地面株高观测的甘蔗产量估计空间分布图

作者介绍：

余丹阳，论文第一作者，武汉大学水利水电学院博士生在读，研究主题为农业水文模型数据融合研究。目前以第一作者身份发表SCI论文共3篇，其中中科院一区两篇，二区一篇。

查元源副教授，本文通讯作者，主要从事地下水、土壤水及农业水土环境方向相关研究和教学工作。以第一/通讯作者在Water Resources Research、Hydrology and Earth System Sciences、Advances in Water Resources、Journal of Hydrology等SCI期刊发表论文20余篇，出版专著(章节)2部。

史良胜教授，主要从事农业水利研究。开展了农田SPAC系统数据同化研究，系统性研究了农田水氮胁迫的多源观测表征，提出了农田多源、多尺度数据同化方法，初步实现了农田水盐氮状态的实时评估和灌溉施肥实时管理，领导课题组围绕农田大数据和智慧水利主题进行持续研究。获得全国百篇优秀博士论文、优秀青年基金、中组部青年拔尖人才等称号和资助。

金秀良研究员，中国农业科学院作物科学研究所作物表型创新研究组组长，主要从事作物表型鉴定与精准农业研究。以第一或通讯作者身份在农业和遥感领域的主要SCI期刊( IEEE Geoscience and Remote Sensing Magazine、Remote Sensing of Environment等)发表论文26篇。

来源：

Yu, D., Zha, Y., Shi, L., Jin, X., Hu, S., Yang, Q., ... & Zeng, W. (2020). Improvement of sugarcane yield estimation by assimilating UAV-derived plant height observations. European Journal of Agronomy, 121, 126159. https://doi.org/10.1016/j.eja.2020.126159.