牛庆林 冯海宽 周新国 朱建强 雍蓓蓓 李会贞

(1.中国农业科学院农田灌溉研究所， 新乡 453002； 2.国家农业信息化工程技术研究中心， 北京 100097；3.长江大学农学院， 荆州 434025)

0 引言

叶绿素含量是表征作物健康状态的重要指标，在不同生育期对作物施肥与田间管理具有指导意义[1]。随着环境和生育期的变化，作物叶绿素含量也会发生相应变化，因此及时准确估算作物叶绿素含量具有重要意义[2]。传统的叶绿素含量估测方法不仅具有破坏性，而且费时、耗力。叶绿素含量与SPAD(Soil and plant analyzer development)值具有较好的相关性[3-5]，作物叶片SPAD值是反映叶片叶绿素含量的有效指标，测量叶片SPAD值是叶片叶绿素含量无损测量的有效途径，具有快速、便捷的优点。

随着传感器、物联网、互联网+、大数据和人工智能等技术的发展，农业遥感技术在农业领域的应用深度和广度都在不断扩展[6]。无人机遥感在国内外农业领域发展快速[7-8]。与无人机搭载的雷达传感器或高光谱相机相比，可见光和多光谱相机成本低、重量轻，极大地减轻了无人机遥感平台的载荷，续航时间明显延长，因此可以快速获取大范围的作物空间影像数据，而且后续影像数据处理的难度低，更容易推广应用，已成为大范围作物长势监测应用的研究热点[9]。

基于无人机多光谱影像提取不同光谱通道的影像灰度，计算多光谱植被指数，进行叶面积指数(Leaf area index，LAI)和SPAD值的估算，具有较好的估算结果[10-11]。基于无人机可见光影像提取红、绿和蓝影像通道的灰度，计算可见光植被指数，也具有较好的估算结果[12-15]。……