本文介绍了无人机多光谱图像在棉花植株表型分析中的应用。从无人机系统上的多光谱相机捕获的多光谱图像测量了棉花的四种表型特征（植物高度，冠层覆盖度，植被指数和花）。实验在两个领域的八个不同日期收集数据。利用结构自运动(SfM)算法从原始图像构建正交镶嵌和数字高程模型(DEM)。

数据处理流程图

本文提出了一种利用正交叠法和DEM计算植物高度的数据处理方法。利用6个地面标定目标(GCTs)，对DEM的地理定位误差引起的株高计算误差进行校正。并进行人工测量植物高度，进而验证成像方法预测的高度。在6个数据集中，每个地块的最大高度估计误差在-40.4~13.5 cm之间，均与人工测量呈较强的线性关系(R²>0.89)。利用DEM和归一化植被指数(NDVI)将地面冠层与土壤分离。通过计算冠层覆盖度和平均冠层NDVI来反映冠层随时间的增长情况，并研究了这两个指标之间的相关性。利用支持向量机（SVM）对棉花地、叶、花和地荫的光谱响应进行了分析，并对棉花花进行了检测。该研究证明了使用无人机多光谱图像进行田间重要棉花表型性状的高通量表型分析的潜力。

多光谱图像中自动检测到的花（由蓝色，红色和绿色带组成）和彩色图像中手动识别的花的示例图

来源：PLOS ONE.Multispectral imaging and unmanned aerial systems for cotton plant phenotyping.Rui Xu, Changying Li,Andrew H. Paterson.

https://doi.org/10.1371/journal.pone.0205083