Integrating UAV-Derived Canopy Cover and Satellite LAI with AquaCrop for Daily Farm-Scale Maize Biomass Estimation

方法

用数码相机与无人机多高度影像估算冠层覆盖度，结合Sentinel-2 LAI和破

发现

GCT从BU-NF影像估算冠层覆盖度最准，产量误差3.29%；Sentinel-2估算LAI与日生物

机会点

可探索多源遥感与作物模型同化框架在缺卫星影像时的鲁棒生物量监测及跨作物跨区域迁移能力。

摘要 评估作物生长期间的状况和生物量，有助于深入了解植物相对于最优（无胁迫）生长条件的表现，并为精准农业管理提供支持。本研究利用无人机（UAV）和卫星遥感获取的植被指数（LAI和CC），结合AquaCrop模型开展生物量估算。为此，在生长季内使用数码相机在四种不同成像设置下获取作物图像，以确定田块尺度的冠层覆盖度（CC）。同时，在相同日期以两个飞行高度（214 m和430 m）采集无人机影像。此外，在玉米生长季的11个阶段进行破坏性植株采样，以测定LAI和地上生物量。对不同冠层覆盖度（CC）测定模型的评价表明，采用无鱼眼镜头自下而上数码相机图像（BU-NF）通过GreenCrop Tracker（GCT）获得的CC可提供最准确的农田产量估算，误差为3.29%。GCT在214 m和430 m两个无人机飞行高度下测定CC均表现最佳。此外，Sentinel-2凭借其良好的空间和时间分辨率，在估算LAI和玉米日生物量方面表现良好。在Sentinel-2影像不可用的情况下，建议在AquaCrop中采用214 m无人机高度下由GCT获得的CC，或采用ENVI基于无鱼眼镜头自上而下成像估算的CC，以实现可靠的生物量监测。