圖1 品種和氮肥處理對歸一化植被指數(shù)（NDVI）、綠色歸一化植被指數(shù)（GNDVI）、歸一化紅邊指數(shù)（NDRE）、綠色比值植被指數(shù)（GRVI）和簡單比值（SR）指數(shù)季節(jié)性變化軌跡的影響。這些指數(shù)基于2021、2022和2023年生長季期間，在伊利諾伊州厄巴納能源農(nóng)場的大規(guī)模柳枝稷試驗地中拍攝的多光譜圖像計算得出。

圖2 不同時期（6月、7月、8月和9月）測量的植被指數(shù)與生物量產(chǎn)量及木質(zhì)纖維素組分之間的皮爾森相關(guān)系數(shù)。NDVI：歸一化植被指數(shù)；GNDVI：綠色歸一化植被指數(shù)；NDRE：歸一化紅邊指數(shù)；GRVI：綠色比值植被指數(shù)；SR：簡單比值指數(shù)。

圖3 基于8月中旬圖像的單變量GNDVI，采用線性、指數(shù)、偏最小二乘回歸和隨機森林回歸模型對訓練集和驗證集的柳枝稷生物質(zhì)產(chǎn)量進行預測的散點圖。陰影區(qū)域表示模型擬合的95%置信區(qū)間。藍點代表數(shù)據(jù)集中實際觀測值，紅線表示模型對數(shù)據(jù)的擬合或預測效果。

圖4 基于8月中旬圖像的GNDVI和NDRE多變量組合，采用線性、指數(shù)、偏最小二乘回歸和隨機森林回歸模型對訓練集和驗證集的柳枝稷生物質(zhì)產(chǎn)量進行預測的散點圖。陰影區(qū)域表示模型擬合的95%置信區(qū)間。藍點表示數(shù)據(jù)集中實際觀測值，紅線顯示模型對數(shù)據(jù)的擬合或預測效果。

圖5 基于8月中旬圖像的歸一化紅邊指數(shù)（NDRE），采用線性、指數(shù)、偏最小二乘回歸（PLSR）和隨機森林回歸（RF）模型對訓練集和驗證集纖維素濃度進行預測的散點圖。陰影區(qū)域表示模型擬合的95%置信區(qū)間。藍點表示數(shù)據(jù)集中實際觀測值，紅線顯示模型對數(shù)據(jù)的擬合或預測效果。

圖6 基于7月中旬圖像的GNDVI、NDRE、NDVI和GRVI多變量組合，采用線性、指數(shù)、偏最小二乘回歸（PLSR）和隨機森林回歸（RF）模型對訓練集和驗證集半纖維素濃度進行預測的散點圖。陰影區(qū)域表示模型擬合的95%置信區(qū)間。藍點代表數(shù)據(jù)集中實際觀測值，紅線顯示模型對數(shù)據(jù)的擬合或預測效果。

  圖7 基于7月中旬圖像的GNDVI、NDVI和GRVI組合，采用線性、指數(shù)、偏最小二乘回歸（PLSR）和隨機森林回歸（RF）模型對訓練集和驗證集酸性洗滌木質(zhì)素（ADL）進行預測的散點圖。陰影區(qū)域表示模型擬合的95%置信區(qū)間。藍點表示數(shù)據(jù)集中實際觀測值，紅線顯示模型對數(shù)據(jù)的擬合或預測效果。