如果测量作物表型的图像分析方法能够更有效、可靠地获取相似或优越的信息，那么它们可能会取代传统的测量方法。本研究利用普通无人机搭载经光谱修正的消费者级别相机采集图像，其中每个像素值是基于蓝色和近红外波段归一化差(BNDVI)的植被指数。

无人机平台获取的航拍图像数据

研究的对象是在四行种植的具有良好产量潜力的玉米杂交种。在威斯康星州中南部连续三个生长季节中，每周至少进行一次飞行。每个样区(基因型)的平均BNDVI在6月稳步上升，在7月达到峰值，然后随着植物成熟而下降。BNDVI柱状图随季节的变化而变化，随着冠层对土壤的掩盖而变绿，然后衰落。主成分分析(PCA)捕捉直方图形状的变化。PC1代表冠层闭合，PC2代表BNDVI分布的均值，PC3代表了分布的扩展。相关分析表明，开花时间与PC2和PC3在开花前几天(50%植株开花当天)的相关系数最好(r≈0.5)。每个样区摘3穗，通过图像分析量化籽粒大小，然后机械收获每个样区，确定每个样区的粒重。该产量与PC2之间的相关性在6月较低，但在开花后10天内超过了0.4。内核长度与PC2相关性相似。PC2和籽粒厚度之间的相关性显示出相似但相反的时间过程。这些结果表明，较大的BNDVI值与高、薄粒产量呈正相关。对BNDVI时间进行偏最小二乘回归预测开花时间(r = 0.54-0.79)和产量(r = 0.4-0.69)。

植被指数直方图的主成分分析

2016-2018年产量，籽粒尺寸和BNDVI直方图主成分之间的相关性

这项为期三年的试验表明，现成的硬件和软件可以创建一个表型平台，在一定程度上预测玉米开花时间、产量和籽粒尺寸。