近日，北京林业大学信息学院（人工智能学院）陈志泊课题组在无人机果园遥感方面取得新进展，相关研究成果以“Removal of canopy shadows improved retrieval accuracy of individual apple tree crowns LAI and chlorophyll content using UAV multispectral imagery and PROSAIL model”为题，在农林领域TOP期刊《Computers and Electronics in Agriculture》（一区TOP，IF=8.3）上发表。
叶面积指数（Leaf Area Index，LAI）、叶面叶绿素含量（Leaf Chlorophyll Content LCC）和冠层叶绿素含量（Canopy Chlorophyll Content，CCC）与苹果树冠层光截获、生产力和产量有显著相关性，可以作为光合作用潜力、养分胁迫和果树整体健康状况的指标。
传统果树单木树冠的LAI、LCC和CCC监测通过人工调查进行，是一项劳动密集的工作，且无法考虑冠层参数的空间分布差异。因此，本研究将先进的无人机多光谱影像与遥感辐射传输模型（radiative transfer model，RTM）结合，旨在快速准确地监测单木果树冠层的LAI、LCC和CCC，并绘制冠层参数的空间分布状况，揭示不同冠层的参数之间的空间变异性。
为了确定估计参数的最佳宽带植被指数，文章使用RTM仿真数据集对22个植被指数进行了分析，确定参数反演的最佳植被指数。采集了来自中国北京两个具有代表性的苹果园的多光谱图像和地面验证数据，通过掩膜冠层阴影构建了两个测量的冠层多光谱反射率数据集。通过将人工神经网络和RTM模型结合的方式，构建了一个单木冠层参数的混合反演模型。结果表明：去除冠层阴影显著提高了参数的反演精度，不同苹果树冠层之间的参数具有极强的变异性，突出了无人机成像多光谱技术具有表征和绘制单木果树冠层参数、捕捉树冠间变异性的潜力。
图/文章技术流程和苹果树冠层参数的空间分布
该论文第一作者为信息学院（人工智能学院）2021级博士研究生张成健，第一通讯作者为陈志泊，北京林业大学为第一完成单位。相关研究工作受到国家自然科学基金（42171303，42371373）、北京农林科学院科技创新能力建设专项基金（KJCX20230434）资助。
