基于无人飞行器 (UAV) 的多光谱遥感技术可有效监测农业ECO的功能并预测作物产量。利用高频次无人机遥感观测在不同作物生长期下进行产量预测的研究较少，多时相和单时相无人机遥感数据对产量的影响存在多大差异目前仍有待探究。来自中国科学院地理科学与资源研究所的孙志刚研究员及其团队在 Remote Sensing 期刊发表了文章，利用无人机遥感技术对玉米的九个生长阶段进行多光谱观测，将单时相和多时相无人机图像计算出的光谱和纹理指数输入随机森林模型进行产量预测。本研究对于准确预测作物产量提出了有效的无人机遥感观测时期建议。

  本研究旨在确定玉米产量预测的最佳无人机遥感观测时间 (物候期)，并通过高频率无人机观测提高预测精度。具体的研究问题是：1、玉米哪个发育阶段是产量预测的最佳观测时间？2、与单一生长阶段的观测相比，多个发育阶段的观测组合是否能提升玉米产量预测的精度？未解决这些研究问题，作者制定了一个五步工作规划：(1) 进行高频无人机遥感观测，即在玉米的关键生长阶段进行了9次无人机多光谱观测。(2) 对无人机多光谱数据来进行预处理，生成正射影像图。(3) 计算用于随机森林产量预测模型建模的无人机遥感指标。(4) 分别使用玉米生长单阶段数据和多时相数据建立随机森林模型进行产量预测。(5) 评估不同预测模型的性能，并确定最佳无人机观测时间。

  田间试验在中国山东省中国科学院禹城综合试验站 (东经116.57°，北纬36.83°) 进行 (图 2，地图以GCS_Beijing_1954 Albers投影显示)。实验时间为2020年7月至9月的玉米 (郑单 958) 生长季，共进行了9次无人机多光谱遥感观测。研究选择了两块典型的长期试验田，即水氮耦合 (WNCR) 试验田和养分平衡试验田。水氮耦合试验田采用了五种氮肥 (N) 水平和两种灌溉处理。在养分平衡试验田中，采用了不同的氮肥、磷肥和钾肥以及秸秆还田处理。水氮耦合试验田共有32个5 m×10 m的地块，而养分平衡试验田有25个5 m×6 m的地块；共有57块地作为本研究样本。

  图2为 (a) 中国科学院青年科学研究中心的位置；(b) NBES 田间概况；(c) WNCR 田间概况。

  对单时相无人机遥感指标的特征筛选根据结果得出，每个物候期所选择的无人机指标类型和数量不同，这表明用于玉米产量预测的无人机遥感指标受玉米物候期的影响很大。其次，单时相数据的产量预测对比显示，籽粒灌浆初期是产量预测的最佳物候期。具体而言，不同时期的产量预测精度依次为乳熟期抽丝期十四叶期抽雄期蜡熟期完熟期六叶期四叶期二叶期 (图3)。随后，对九个阶段的产量预测精度进行了排序，生成了八个无人机多时相组合数据集。对多时期的无人机遥感指标进行筛选和比较，植被指数 (表征光谱信息) 的数量明显多于纹理指数 (表征纹理信息)，且植被指数的重要性值更高。这一根据结果得出，在利用多时相无人机数据估算玉米产量时，光谱信息比纹理更重要。此外，多时相无人机遥感数据来进行的产量预测的R2值0.89-0.93，RMSE 值为0.97-0.77 t/ha。抽雄期、抽丝期、乳熟期和蜡熟期对玉米产量的精准预测至关重要。

  图3为使用不相同多时相无人机数据的产量预测精度：(a) R2 和 (b) RMSE (吨/公顷) 值。

  本研究采用玉米九个关键生长期的无人机遥感光谱和纹理指标以及随机森林模型来预测玉米的籽粒产量。主要结论如下：(1) 对于单时相无人机观测，十四叶期是最早的合适时间，而乳熟期是玉米产量预测的最佳观测时间。(2) 整合不同作物生长发育阶段的无人机数据可提高产量预测精度；抽雄期、抽丝期、乳熟期和蜡熟期的无人机观测数据组合表现出最高的产量预测精度。(3) 玉米乳熟期的归一化差异红边指数 (NDRE)、绿色归一化差异植被指数 (GNDVI) 和基于近红外的异质性指标是谷物产量预测的合适变量。该研究结果对精准农业具有理论意义和实用价值。

  期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。返回搜狐，查看更加多