2018年6月至8月，在荷兰瓦赫宁根进行了一项研究：利用无人机-激光雷达（UAV-LiDAR）采集三种不同作物（马铃薯、甜菜和冬小麦）的种植数据，并评估该方法估算作物生物量和株高的性能，植物表型资讯介绍如下：

随着粮食生产压力的日渐增大，作物表型分析越发重要。因此，准确估算作物生长季生物量对优化产量具有重要意义。2018年6月至8月，在荷兰瓦赫宁根进行了一项研究：利用无人机-激光雷达（UAV-LiDAR）采集三种不同作物（马铃薯、甜菜和冬小麦）的种植数据，并评估该方法估算作物生物量和株高的性能。

左：研究区域内的田地概况：指示了要研究的三种不同田地和农作物。右：本研究中使用的三种不同作物。

该研究利用3DPI算法估算生物量，利用每平方米可变数量最高点的平均高度估算作物高度。结果得出，利用该方法可以准确估计甜菜（R2= 0.68，RMSE = 17.47 g / m2）和冬小麦（R2= 0.82，RMSE = 13.94 g / m2）的生物量。同时，也可以准确估计甜菜（R2= 0.70, RMSE = 7.4 cm）和冬小麦（R2= 0.78, RMSE = 3.4 cm）的作物高度。然而，马铃薯株高（R2=0.50，RMSE=12cm）和生物量估算（R2=0.24，RMSE=22.09g/m2），由于其复杂的冠层结构和种植马铃薯的垄状结构，其可靠性较差。最后，本文还指出，通常情况下，对于利用该方法进行精准生物量和作物高度估计，飞行条件（高度、速度、飞行路线的位置）应该与校准模型的设置相当，因为变化的条件会对估计的作物生物量和株高产生强烈影响。

显示了k = 3时测得的生物量和拟合的生物量之间的关系的散点图。

来源：

Harkel J t, Bartholomeus H and Kooistra L. Biomass and Crop Height Estimation of Different Crops Using UAV-based Lidar. Remote Sens. 2020, 12(1), 17; https://doi.org/10.3390/rs12010017.