基于无人机多光谱影像三维纹理指数的马铃薯叶面积指数与地上生物量精准估测研究

为解决马铃薯生长监测中叶面积指数(LAI)和地上生物量(AGB)的精准估测难题，研究人员创新性地构建了融合三维作物信息的新型纹理指数(TTIs)，结合植被指数(VIs)和纹理特征(TFs)，采用PLSR、RF和XGBoost算法建立预测模型。最优XGBoost模型对LAI和AGB的预测R2分别达0.868和0.855，为无人机高通量表型分析技术提供了创新解决方案。

　　

在作物生长监测领域，及时获取叶面积指数(Leaf Area Index, LAI)和地上生物量(Aboveground Biomass, AGB)犹如掌握作物生长的"生命密码"。这项研究别出心裁地利用无人机(unmanned aerial vehicles, UAVs)搭载多光谱传感器，在块茎形成期马铃薯田上演了一场"空中芭蕾"。科研团队创新性地开发了融合三维作物信息的新型纹理指数(three-dimensional texture indices, TTIs)，就像为作物生长状态定制了一套"立体指纹"识别系统。

研究巧妙地结合传统植被指数(Vegetation Indices, VIs)和纹理特征(Texture Features, TFs)，构建了PLSR、RF和XGBoost三种机器学习"梦之队"。实验结果显示，TTIs这个"新晋选手"表现出色，与VIs和TFs组成"黄金搭档"时，XGBoost模型展现出"学霸"特质——LAI预测R²高达0.868，AGB预测也不遑多让达到0.855，误差率控制在7.578%和6.540%的优异水平。这项研究为精准农业装上了"智能天眼"，让大面积作物管理变得像"查看手机健康数据"一样简单直观。