叶面积指数(Leaf area index, LAI)指的是单面叶片总面积与地面面积的比值，而横向生长(Lateral growth, LG)则是用来衡量冠层扩张的指标。这两个参数均可以用来描述作物的光截获能力、生长状态和产量。尽管LAI和LG可以通过直接测量得到，但需要耗费大量的时间。健康的植物叶片在红、蓝波段对光具有较强的吸收作用，而在绿波段则表现出较强的反射作用。因此，利用上述3个波段的叶片反射率能够快速获取LAI和LG。本研究提出了一种基于无人机可见光影像的LAI和LG估测方法，可以实现花生LAI和LG的准确快速估测。

　　本研究利用无人机上搭载的Sony α6000相机采集花生试验田的可见光影像(图1)，并通过地面布设的反射率已知的定标板进行辐射定标，将红、绿、蓝3个波段的影像DN值转化为反射率。根据3个波段的反射率计算得到绿蓝指数(Blue green index, BGI)和红绿比值(Red-green ratio, RGR)等6个不同的植被指数，然后利用多元线性回归和人工神经网络(Artificial neural network, ANN)可以建立基于植被指数的花生LAI和LG估测模型，具体的流程如图2所示。本研究在2017年采集了包含18个花生基因型在内的108个试验小区的LAI和LG地面实测值、无人机影像和产量，而在2019年则采集了包含8个花生基因型在内的128个试验小区的数据。其中，2017的数据用来训练模型，2019年的数据用来验证模型。本研究构建的LAI和LG估测模型的精度分别如图3和图4所示，其中Reg1为利用植被指数之和建立的LAI线性估测模型，Reg2为利用植被指数乘积建立的LAI线性估测模型，ANN1为利用植被指数之和建立的LAI人工神经网络估测模型，ANN2为利用植被指数乘积建立的LAI人工神经网络估测模型;以此类推，Reg3、Reg4、ANN3和ANN4分别为LG估测模型。实验结果显示，基于无人机可见光影像估测得到的LAI和LG可以反映不同基因型花生之间的差异(图5)，同时也可以估测花生的产量。因此，利用无人机遥感技术可以快速提取作物的高通量表型信息，其结果不但可以帮助育种家选育优良品种，还可以为种植者提供农田的精准管理方案、提高作物产量。

　　图1 本研究采集的无人机可见光影像

　　图2 LAI和LG估测模型的构建流程

　　图3 LAI的估测精度

　　图4 LG的估测精度

　　图5 不同基因型花生之间的LAI和LG差异

　　来源：Sayantan Sarkar, Alexandre-Brice Cazenave, Joseph Oakes, et al. Aerial high-throughput phenotyping of peanut leaf area index and lateral growth[J]. Scientific Reports, 2021, 11, 21661.

　　编辑：段博