无人机(UAV)遥感数据在作物评价中的应用正在彻底改变植物表型的研究领域。本研究的目的是：(1)建立利用无人机多光谱数据预测玉米条纹病毒(MSV)和产量的方法;(2)确定适合MSV和产量预测的预测变量和理想物候期。

在人工MSV接种下，平均品种的籽粒产量与病害严重性之间的关系

可变的重要性

研究人员对25个玉米品种进行了MSV人工接种试验。在营养中期、开花期和灌浆中期进行人工评分和多光谱成像测量。利用无人机获得多光谱波段数据：绿色(0.53–0.57μm)、红色(0.64–0.68μm)、红色边缘(0.73–0.74μm)和近红外(0.77–0.81μm)。测定了8个植被指数：NDVI(归一化差异植被指数)、NDVIred edge、GNDVI(绿色归一化差异植被指数)、SR(简单比值)、CIgreen(绿色叶绿素指数)、CIred edge(红色边缘叶绿素指数)、SAVI(土壤调整植被指数)和OSAVI(优化SAVI)。最后，采用多元回归、决策树和线性回归方法，对36个模型进行了MSV和产量预测。预测MSV的常用变量为营养绿带(61.5%)、营养红带(68.4%)和开花红带(80.4%)和营养中期GNDVI(88.7%)。最佳MSV预测因子为营养中期测得的GNDVI(r=0.84;RMSE=0.85)、CIgreen(r=0.83;RMSE=0.86)和Red band(r=0.77;RMSE=0.99)。在36个模型中，有6个模型被选为玉米产量预测的理想模型：RF-REF-NIRF(r=0.69;RMSE=0.65);NDVIREG-GNDVIG(r=0.74;RMSE=0.56);RV-NIRV(r=0.84;RMSE=0.37);相关性最大的为RV-NIRV-RF(r=0.86;RMSE=0.32);GNDVIV-OSAVIV(r=0.84;RMSE=0.36);GV-RV-NIRV(r=0.84;RMSE=0.35);最后两个处于营养中期。综上所述，基于无人机多光谱遥感是MSV病害表型和产量预测的可靠工具，而中营养期是MSV和产量预测的最理想物候期。

(a)每个响应变量在树中的叶数和(b)响应变量的平均平方误差(ASE)的箱线图

来源：

Chivasa W, Mutanga O and Burgueño J. UAV-based high-throughput phenotyping to increase prediction and selection accuracy in maize varieties under artificial MSV inoculation. Computers and Electronics in Agriculture. https://doi.org/10.1016/j.compag.2021.106128.