PERFORMANCE OF RGB-BASED VEGETATION INDICES FOR TEMPORAL MONITORING OF MAIZE GROWN FOR SILAGE

方法

无人机RGB影像、33个采样点、5种植被指数与收获期生物量回归分析。

发现

VARI、可见光NDVI和GLI能稳定反映玉米长势，但仅凭可见光信息难以准确预测最终生物量。

机会点

可融合多光谱或热红外数据，弥补可见光波段对生物量预测能力不足的空白。

基于遥控航空器获取的RGB影像的遥感技术为监测作物生长提供了一种便捷途径；然而，植被指数的表现及其表征最终生物量的能力在作物生育期内可能发生变化。本研究评估了基于RGB的植被指数对青贮玉米进行时序监测的表现，并探讨了光谱信息与作物生物量之间的关系。研究在巴西东南米纳斯吉拉斯联邦学院里奥蓬巴校区的6.0公顷田块中进行。建立了33个地理参考采样点，并在整个作物生育期内使用搭载于遥控航空器上的RGB相机进行航空调查。评估了5种植被指数：可见光归一化差异植被指数（visible NDVI）、可见光抗大气指数（VARI）、绿叶指数（GLI）、组合指数（COM）和叶面积指数（LAI）。在收获时测定了鲜物质产量和干物质产量。VARI、visible NDVI和GLI对作物生长表现出较为一致的时序响应，而COM和LAI在描述作物动态方面适用性较差。尽管临近收获期获取的RGB信息与鲜物质产量的关联强于早期影像，但其预测能力仍然有限。增加模型复杂度并未持续改善预测效果。这些结果表明，基于RGB的植被指数可用于青贮玉米的时序监测，但仅依靠可见光波段的光谱信息不足以充分预测最终生物量的变异。