近年来，无人机（UAV）的广泛应用于农业植被遥感研领域。众所周知，与从卫星或飞机获得高空遥感图像分辨率较为粗糙，而无人机搭载Airphen多光谱相机可实现厘米级图像拍摄。Hiphen公司以及法国农业科学研究人员在本研究提出了从无人机多光谱观测中检索冠层变量的新方法，并研究在何种程度上使用这样的厘米级图像能够较好估算甜菜作物（Beta Puulgas L.）叶片和冠层变量。研究综合考虑了5个重要的结构生化植物性状：绿色部分（GF）、绿色面积指数（GAI）、叶片叶绿素含量（Cab）、以及冠层叶绿素（CCC）和氮（CNC）含量。

无人机从三个站点拍摄的RGB图像示例：生长阶段、氮肥和土壤特性的差异

基于包含冠层结构和生物化学的大变异性综合数据集，研究人员针对每个目标性状获得的结果，证实了平均值冠层反射时厘米分辨率方法优于两种标准遥感方法（即植被指数和PROSAIL反演）。结果显示，从图像中提取的两个变量（表示以GFGREENPIX和VICAB 表示）在这些性能中起主要作用。GFGREENPIX是通过对可见大气阻抗指数（VARI）图像进行阈值处理而获得的GF估计，可作为甜菜冠层结构（即GF和GAI）准确、稳定的指示指数。VICAB是在较暗的绿色像素上平均的mNDblue指数值，可提供关于Cab的关键信息。当应用在单变量或多变量经验模型中应用时，两个变量改进了用标准方法获得的GF、GAI、Cab、CCC和CNC估计，其估计准确度分别增加了24％、8％、26％、37％和8％。

UAV RGB和多光谱图像的预处理流程图

    只能从厘米级图像中获取GFGREENPIX 和VICAB 变量，有助于较好地识别冠层结构和叶片生物化学的影响，在较粗糙的分辨率观察时，可能会混淆其作用。实验结果证明了厘米级精度无人机图像相较卫星或机载遥感而言有巨大优势，研究采用的低成本多光谱相机Airphen在研究许多植物性状（例如农业应用）方面的具有相关性。

从单个微点的多光谱图像提取的像素子集以及相应的平均反射光谱

Exploiting the centimeter resolution of UAV multispectral imagery to improve remote-sensing estimates of canopy structure and biochemistry in sugar beet crops

Remote Sensing of Environment

Jay S, Baret F, Dutartre D, Malatesta G, Héno S, Comar A, Weiss Mand Maupas F                      https://doi.org/10.1016/j.rse.2018.09.011