在大多数作物的筛选中，株高是一个重要性状。在小麦等作物中，植株矮小有助于降低倒伏，而植株高大则有助于增加地上总生物量。尽管株高是一个很容易手动测量的性状，但如果地块过多，其测量需要耗费大量的时间和人力，因此对高通量株高测量方法的需求日益增长。利用航空影像生成的密集点云建立的作物表面模型(CSM)可以用来估算株高。本研究以连续两年的小麦自交系为研究对象，利用3D-CSM航片资料，对不同物候期的株高进行了估算。

在2017年和2018年的生长周期中，使用在墨西哥西北部使用的PlatFW和PlatMR(UAV)平台(PHaerial)进行植物高度(PH)的表型分析工作流程。

首先，通过固定翼(PlatFW)和多旋翼(PlatMR)无人机(UAV)平台收集两个小麦种群(50和150系)的多时间和高空间分辨率图像。接着，使用地面真实测量(PHground)和基于无人机的估计(PHaerial)在四个生长阶段(GS)测量并比较小麦株高。然后，使用地面控制点(GCP)作为不同高度的固定参考目标，对航空影像生成的CSM进行验证。结果表明，PlatFW估算的株高与PlatMR估算的基本一致，但由于图像处理的不同，结果略有差异。与实际高度(R²≥0.90，RMSE≤4cm)相比，由CSM得到的GCPs高度具有较高的相关性，且误差较低。在不同GS下，PHground和PHaerial之间的决定系数(R²)在0.35到0.88之间，两个平台的均方根误差(RMSE)在0.39到4.02cm之间。

在四个成长阶段(GS)，基于UAV的数据(PHaerial)和手动测量的地面真相(PHground)以及RMSE估算的植物高度(PH，cm)与基因型数(n)之间的线性关系

综上所述，本研究提供了一个利用无人机高分辨率RGB影像获得株高时间序列估计值的实例，可扩展到数万个小区，因此适合在植物小麦育种试验中应用。

来源：

Volpato L, Pinto F, González-Pérez L, et al. High Throughput Field Phenotyping for Plant Height Using UAV-Based RGB Imagery in Wheat Breeding Lines: Feasibility and Validation. Front. Plant Sci., 16 February 2021 | https://doi.org/10.3389/fpls.2021.591587.