2021年7月2日，西北农林科技大学机电学院韩文霆研究员在农林科学类期刊Journal of Cleaner Production（中科院一区Top期刊）发表了题为“Modeling the daytime net primary productivity of maize at the canopy scale based on UAV multispectral imagery and machine learning”的研究论文。机电学院彭曼曼为第一作者，韩文霆研究员为通讯作者，西北农林科技大学机电学院为第一单位。
净初级生产力（NPP）是评价农业生态系统碳吸收能力的重要指标，及时准确的获取农田生态系统NPP的时空变化对指导农业生产具有重要作用。目前，冠层尺度的NPP观测主要以箱法为主，在冠层尺度上提高NPP的时空估计仍然具有挑战性。本研究通过箱法测量了玉米冠层白天的NPP，并通过无人机（UAV）多光谱系统获得玉米冠层的多光谱图像，探索无人机多光谱图像在冠层尺度上估算玉米冠层白天NPP时空变化的潜力。本研究采用四种机器学习算法分别利用地面影响因素和植被指数（VIs）×光合有效辐射（PAR）估算玉米冠层白天的NPP变化。结果表明，基于VIs×PAR的GBR模型可以解释玉米冠层白天NPP时空变化的89.9%，该模型可以较容易地在大范围内无损地获得高分辨率和长时间序列的NPP变化，为NPP观测尺度的扩大提供了良好的参考。
论文链接：https://authors.elsevier.com/a/1fNvd3QCo9fCPW