近日，土地科学与技术学院曾也鲁教授课题组在作物冠层三维结构高通量表型分析方面取得重要进展，相关成果以“A UAV-based framework for field-scale extraction of leaf inclination angles in soybean canopies”为题，发表于遥感领域1区Top期刊《环境遥感》(Remote Sensing of Environment)。该研究针对大面积田间尺度冠层结构测量中存在的“表型瓶颈”，探索了基于无人机（UAV）摄影测量的系统性框架，在田间尺度上实现了大豆群体平均叶倾角（MLA）的高效、精准提取，填补了以往大尺度单叶三维几何形态测量的不足。 研究团队通过超分辨率重建网络（SRGAN）提升无人机影像分辨率，利用改进的U-Net模型精确提取单叶轮廓，并结合随机抽样一致性（RANSAC）算法进行三维致密点云的叶片平面拟合。结果显示，基于三维点云的方法（LIA_PC）具有极高的叶倾角估算精度（𝑅2=0.94，RMSE=1.74°），并成功绘制了涵盖6000余个大豆育种小区的高分辨率MLA和天顶投影函数（𝐺(0)）空间分布图。此外，研究还证实了叶片空间取向是驱动单叶尺度表观反射率的关键物理因素。该研究为剔除遥感光谱信号中的几何结构干扰提供了全新技术路径，更为现代高密度种植模式下的作物高光效育种设计奠定了重要基础。
图1 大豆平均叶倾角（MLA）高通量提取流程示意图
图2 LIA_PC方法与LIA_DSM方法的精度验证与对比
图3 实验区大豆田间平均叶倾角（MLA）与天顶叶片投影函数（𝑮(𝟎)）的空间分布制图
土地科学与技术学院博士研究生李青为论文第一作者，曾也鲁教授为论文的通讯作者，郝大磊研究员为合作作者。该研究得到了国家重点研发计划、国家自然科学基金、中国高校基本科研业务费、ESA-MOST龙计划合作项目以及农业水资源高效利用全国重点实验室开放研究基金等项目的资助。
原文链接：https://doi.org/10.1016/j.rse.2026.115411
引用格式： Li, Q., Hao, D., Zeng, Y., 2026. A UAV-based framework for field-scale extraction of leaf inclination angles in soybean canopies. Remote Sensing of Environment 340, 115411. https://doi.org/10.1016/j.rse.2026.115411
供稿：曾也鲁教授课题组
