2021年8月31日，西北农林科技大学机电学院韩文霆研究员在农林科学类期刊Computers and Electronics in Agriculture（中科院二区）发表了题为“Estimating fractional vegetation cover of maize under water stress from UAV multispectral imagery using machine learning algorithms”的研究论文。博士生牛亚晓为第一作者，韩文霆研究员为通讯作者，西北农林科技大学机电学院为第一单位。
为了提高作物水分利用效率，需要通过监测田间作物生长状态来实施精准的灌溉管理，而植被覆盖度在田间作物生长状态监测和产量预测中具有重要意义。本研究基于无人机可见光单张图像分析了不同传感器对基于固定阈值法获取的固定阈值及覆盖度估计精度的影响，并为基于无人机多光谱植被指数的覆盖度回归模型构建提供覆盖度地面参考值。本文基于5个植被指数和3种回归算法旨在建立一种适用于不同生长季、不同生育期和不同水分胁迫条件的覆盖度估计模型。结果表明：1）不同传感器对基于固定阈值法获取的固定阈值造成了偏移，但该偏移量没有对覆盖度估计精度造成明显影响；2）在3个覆盖度回归模型中，随机森林回归模型更适用于不同生长季、不同生育期和不同水分胁迫条件。该研究提供了一种低成本且简单的技术流程来估计不同生长季、不同生育期的玉米在多种水分胁迫条件下的覆盖度及其田间变异性。
文章结构图：(a)基于无人机可见光图像获取覆盖度地面参考值(FVCUAV_R)；(b)基于无人机多光谱植被指数构建覆盖度回归模型；(c)模型验证；(d)获取两个生长季内的覆盖度时空分布图
论文链接：
https://www.sciencedirect.com/science/article/pii/S0168169921004312?dgcid=coauthor