合景娱乐注册-注册作物覆盖度（FVC）与叶面积指数、蒸腾作用、光合作用等作物结构和生理特性有关，是表征大田作物长势、产量和系统变化的重要变量。作物覆盖度也是直接描述作物冠层结构以及模拟全球气候变化和评估田间水土状况的参数，其比叶面积指数对植被数量更敏感。无人机遥感技术已被广泛用于作物生长监测以及作物覆盖度评估，然而现有基于经验模型和图像分析方法的作物覆盖度评估的准确率和适用性易受到作物类型、生长时期以及种植区域的影响。本研究探讨了机理模型方法用于作物覆盖度的评估，分析了作物冠层结构对于机理模型方法的影响，实现了基于无人机遥感的油菜、水稻、棉花以及小麦作物覆盖度的高效评估。

　　研究提出了基于PROSAIL辐射传输机理模型和间隙率模型（gap probability model）耦合的作物覆盖度反演方法（PROSAIL-GP），其可以从无人机多光谱图像（604–872 nm）中反演不同作物的覆盖度。通过输入冠层反射到PROSAIL模型可以反演得到叶面积指数，然后根据间隙率模型建立叶面积指数、叶倾角分布以及覆盖度间的经典关系实现覆盖度的反演。然而对于高分辨率的无人机图像，作物冠层结构的变化会显著影响作物冠层反射，导致由于采用不合适的叶倾角分布而降低作物覆盖度的反演精度。因此，本研究利用六种不同的叶倾角分布函数（spherical, planophile, erectophile, plagiophile, extremophile, uniform）模拟了真实作物冠层结构，评估了不同叶倾角分布对基于无人机遥感的作物覆盖度评估的影响，从而改善了作物覆盖度的反演精度。

　　结果表明，结合PROSAIL-GP模型和无人机多光谱图像可以实现油菜、水稻、小麦和棉花的覆盖度反演，误差分别为18%，12%，%6和6%。研究显示不同的叶倾角分布极大地影响了作物覆盖度的反演精度，spherical叶倾角分布更适合用于水稻和小麦的覆盖度反演，extremophile 和uniform叶倾角分布适合用于油菜和棉花的覆盖度反演。另外，模拟结果表明作物的叶倾角分布具有很小的种内变异性，可以用于不同生长阶段的作物覆盖度反演。

　　综上所述，本研究探索了结合机理模型和无人机遥感用于作物覆盖度评估的方法，并分析了作物叶倾角分布、叶面积指数以及覆盖度间的关系，评估了不同叶倾角分布对作物覆盖度反演的影响，本文提出的方法可以实现多种作物覆盖度的高效反演。未来研究中可进一步探索该方法与作物冠层三维结构信息的融合，以获得更高精度的覆盖度和其他表型参数。

　　论文第一作者为浙江大学生物系统工程与食品科学学院博士研究生万亮，博士研究生朱姜蓬为共同第一作者，论文通讯作者为岑海燕研究员。论文合作者包括韩国国立江原大学韩雄哲助理教授、浙江大学农业与生物技术学院周伟军教授、中国科学院南京土壤研究所刘建立研究员团队、新疆农垦科学院梁飞副研究员。研究工作得到国家重点研发计划项目和国家自然科学基金项目资助。