本研究由胡正东（新疆农业大学农学院）、汤秋香、樊世语、鲍龙龙、古丽达娜·沙勒山和林涛（新疆维吾尔自治区农业科学院棉花研究所）共同完成，发表于《农业机械学报》2025年第56卷第5期，DOI号为10.6041/j.issn.1000-1298.2025.05.010。研究得到新疆维吾尔自治区重点研发计划项目(2024B02004)、国家棉花产业技术体系项目(CARS-15-12)等多项基金支持。
地上生物量(Above Ground Biomass, AGB)精准估算是作物生长监测与精准农业决策的关键技术。棉花作为我国重要经济作物，其AGB动态监测对产量预测和精准管理具有重要意义。传统无人机(Unmanned Aerial Vehicle, UAV)遥感方法存在双重局限：基于植被指数(Vegetation Indices, VIs)的模型易受冠层光谱饱和效应干扰，且难以量化冠层三维结构动态与AGB累积的时空异质性。针对这些问题，本研究提出融合UAV三维点云空间解析与冠层覆盖度(Canopy Cover, CC)时序特征的新方法，构建基于株高(Plant Height, PH)×CC的多维度估算模型，旨在突破”光谱-结构”信息融合的技术瓶颈。
试验于2023年4-10月在新疆农业科学院阿瓦提棉花科研示范基地(40°27’N，80°21’E)进行。该区域属温带大陆性干旱气候，土壤为砂壤土。采用双因素裂区设计：主区为3个熟性品种（欣试518、新陆早73、新陆中88），副区为5个种植密度(9.0-27.0株/m²)，每个处理4次重复。
采用大疆M210 RTK V2型无人机搭载RGB相机(DJI P1型)和多光谱相机(Micasense RedEdge，含蓝、绿、红、红边和近红外5个波段)。飞行高度30m，航向与旁向重叠率均为75%，于苗期、开蕾期、开花期、开铃期和吐絮期五个关键生育期进行数据采集。同步进行地面PH测量(每小区6株)和AGB测定(每小区5株，85℃烘干至恒重)。
影像预处理采用Pix4D Mapper软件完成拼接和辐射定标，ArcGIS 10.2进行地理配准和小区提取。研究创新性地开发了以下特征提取方法：
植被指数筛选：基于文献综述选取20个与AGB相关的VIs，通过Pearson相关性分析筛选最优指数。结果显示AGB与红边简单比值指数(RESR)和结构不敏感色素指数2(SIPI2)相关性最高(r=-0.62和0.65)。
株高提取算法：通过数字表面模型(DSM)差值法计算PH。使用苗期DSM0作为基准面，各生育期DSMi(i=1-5)与DSM0的差值即为对应时期棉花高度。验证显示该方法在不同密度下均表现良好(R²=0.84-0.90，RMSE=5.58-9.00cm)。
冠层覆盖度计算：基于CI-110冠层分析仪测量的叶面积指数(LAI)，采用改进的负指数方程计算CC：CC = (1-e^(-LAI/1.3))/(1+e^(-LAI/1.3))。该公式能更好地表征冠层水平扩展动态。
研究构建了两类模型进行对比：
PH×CC三维模型：基于棉花冠层的长方体几何假设，建立AGB=a(PH×CC)+b的一元线性模型。该模型通过PH表征茎干垂直生长，CC表征叶片水平扩展，实现AGB的多维度解析。
传统机器学习模型：包括随机森林(Random Forest, RF)、梯度提升(Gradient Boosting, GB)、支持向量机(Support Vector Machine, SVM)和反向传播神经网络(Back Propagation Neural Network, BPNN)四种算法，输入特征为筛选出的5个最优VIs(NDVI、BNDVI、SIPI2、RESR、ARVI)。
模型评估采用决定系数(R²)和均方根误差(RMSE)指标，将180个样本按7:3分为训练集(126个)和测试集(54个)。
PH×CC模型在全生育期表现优异，测试集R²达0.93，RMSE为15.30 g/m²。相较于最优的传统模型(RF模型：R²=0.76，RMSE=23.35 g/m²)，精度提升22.3%(p<0.01)。机理分析表明，PH×CC参数能解析83%的冠层结构变异(传统VI模型仅57%)，显著提升了对AGB-结构互作机制的解释能力。
四种机器学习模型中，RF表现最佳(R²=0.76)，其次为GB(R²=0.68)、BPNN(R²=0.53)和SVM(R²=0.33)。结果显示，单纯依赖光谱特征的模型在棉花生长中后期精度下降明显，尤其在冠层郁闭后出现显著低估。
PH、CC及PH×CC与大多数VIs呈显著正相关(r=0.5-0.9)，证实了冠层几何特征与光谱特征的协同关系。其中PH×CC与AGB的相关性(r=0.93)显著高于单一VIs，验证了多维度特征融合的优势。
本研究创新性地提出基于UAV三维点云和时序特征的PH×CC棉花AGB估算模型，具有以下科学和应用价值：
方法学突破：解决了传统VI模型易受光谱饱和干扰的难题，通过融合冠层垂直结构和水平扩展特征，实现了AGB的高精度估算(R²提升22.3%)，为作物表型研究提供了新思路。
技术经济性：相较于激光雷达(LiDAR)等昂贵设备，采用常规RGB和多光谱传感器实现高精度监测，成本效益比显著，适合大规模农业应用。
生物学意义：PH×CC参数可解析83%的冠层结构变异，为理解棉花”垂直延伸-水平扩展”的生长耦合机制提供了量化工具。
应用前景：模型框架可扩展至水稻、玉米等作物，特别在生殖生长期表现出优势，为精准农业中的变量施肥、灌溉决策提供了可靠数据支持。
创新模型架构：首次提出”垂直结构-水平扩展-生育阶段”多维度的AGB解析理论，建立基于冠层几何特征的PH×CC估算模型。
技术融合创新：将UAV三维点云空间解析与CC时序特征相结合，开发了成本低廉但精度优异的技术方案。
机理阐释深入：通过动态耦合关系分析，量化了PH与CC对AGB变异的贡献率，深化了对作物生长结构的理解。
实用性强：模型在新疆典型棉区的验证显示良好适应性，解决了传统方法在郁闭冠层下精度下降的问题。
研究存在以下可改进方向：1)吐絮期因养分转移至棉铃，模型精度略有下降；2)不同作物需重新校准参数；3)未来可整合多传感器数据进一步优化。建议后续研究拓展至更多作物品种和生态环境验证，并开发基于该模型的产量预测系统。