本文采用无人机RGB、多光谱和激光雷达（LiDAR）数据，结合玉米关键生育时期获取的玉米地上生物量数据，将光学数据与LiDAR数据乘积得到CVMVI这一指数，并将该指数与Crop Biomass Algorithm (CBA)模型结合，得到了iCBA-PF方法。本文的目标是：（1）比较多光谱和RGB数据源在估算玉米生物量方面的差异；（2）探索通过CVMVI相较于VI在估算AGB方面的改进；（3）研究我们提出的方法与最先进方法之间的差异。结果表明：（1）就植被指数来说，RGB植被指数与玉米生物量的相关性更高，而多光谱的MS_CVMVI的相关性比RGB的更高，且在各模型中的估算精度最高；（2）CVMVI在整个生育时期的变化与玉米生物量的变化相似，因此其与生物量的相关性比植被指数更高，在不同模型中的估算精度也高于植被指数；（3）相比于传统的生物量估算方法，本文所提出的新方法的估算精度（R2=0.90±0.02，RMSE=190.01±21.55g/m2）最高。

图1 研究区概况

图2 文章流程图

图3 iCBA-PF方法流程

图5 不同类型指标与玉米生物量在全生育时期的变化曲线

图6 不同模型估算结果