周恺, 周彤, 丁峰, 丁大伟, 武威, 姚照胜,刘涛, 霍中洋, 孙成明*

(1.扬州大学, 江苏省粮食作物现代产业技术协同创新中心, 江苏 扬州 225009; 2.张家港市农业试验站, 江苏 张家港 215616)

小麦是我国主要的粮食作物之一，研究小麦的生长发育对指导农作物生产和增产稳产有着重大的意义。叶面积指数(leaf area index, LAI)指单位面积土地上植被叶面积总和占土地面积的倍数[1]，是小麦的基本农学参数，其不仅与小麦光合作用、蒸腾作用密切相关，还常常作为评价小麦长势和产量的依据[2]，通过对小麦LAI的动态监测可反映小麦群体生长状况，为小麦栽培管理和高产稳产提供指导。但传统的LAI测定方法操作复杂，对农作物伤害大，且不适用于大尺度LAI的获取，因此，如何快速、准确地获取LAI成为研究热点[3]。随着遥感技术的发展与完善，基于遥感数据估测LAI成为可能，如王来刚等[4]通过融合HJ-CCD 和SPOT-5 两种不同时空分辨率数据，实现高空间分辨率LAI 时间序列的估算，为小麦生长监测提供理论依据。但是，卫星重访周期长、影像空间分辨率较低[5]，航天遥感数据处理难、运营成本高[6]，地面光谱测量数据获取工作量大等[7]问题限制了传统遥感技术在农业应用中的价值。

近年来，小型无人机快速发展且在农业上应用越来越多，使得无人机遥感成为农情监测的有效手段[8]。Sugiura等[9]通过无人机搭载成像传感器获取作物LAI，划分出研究区域作物LAI分布情况；Córcoles等[10]利用旋翼无人机测量洋葱郁闭度，分析了郁闭度与LAI的关系。然而，无人机搭载的传感器受到重量和体型的限制，并且目前已有的传感器大多价格昂贵以及后期数据处理复杂，限制了无人机在农业领域的推广[11-13]。……