The Leaf Area Index (LAI) is an ecophysiology key parameter characterising the canopy-atmosphere interface where most of the energy fluxes are exchanged. However, producing maps for managing the spatial and temporal variability of LAI in large croplands with traditional techniques is typically laborious and expensive. The objective of this paper is to evaluate the reliability of LAI estimation by processing dense 3D point clouds as a cost-effective alternative to traditional LAI assessments. This would allow for high resolution, extensive and fast mapping of the index, even in hilly and not easily accessible regions. In this setting, the 3D point clouds were generated from UAV-based multispectral imagery and processed by using an innovative methodology presented here. The LAI was estimated by a multivariate linear regression model using crop canopy descriptors derived from the 3D point cloud, which account for canopy thickness, height and leaf density distribution along the wall. For the validation of the estimated LAI, an experiment was conducted in a vineyard in Piedmont: the leaf area of 704 vines was manually measured by the inclined point quadrant approach and six UAV flights were contextually performed to acquire the aerial images. The vineyard LAI estimated by the proposed methodology showed to be correlated with the ones obtained by the traditional manual method. Indeed, the obtained R 2 value of 0.82 can be considered fully adequate, compatible to the accuracy of the reference LAI manual measurement.

中文翻译：

---

使用来自无人机图像的 3D 点云评估葡萄园的叶面积指数

叶面积指数 (LAI) 是表征大部分能量通量交换的冠层-大气界面的生态生理学关键参数。然而，使用传统技术制作用于管理大农田 LAI 时空变异性的地图通常既费力又昂贵。本文的目的是通过处理密集的 3D 点云作为传统 LAI 评估的一种经济高效的替代方案来评估 LAI 估计的可靠性。这将允许索引的高分辨率、广泛和快速映射，即使在丘陵和不易到达的地区也是如此。在这种情况下，3D 点云是从基于无人机的多光谱图像生成的，并使用此处介绍的创新方法进行处理。LAI 是通过多变量线性回归模型使用从 3D 点云得出的作物冠层描述符来估计的，这些描述符解释了沿墙的冠层厚度、高度和叶子密度分布。为了验证估计的 LAI，在 Piedmont 的一个葡萄园中进行了一项实验：通过倾斜点象限方法手动测量 704 株葡萄藤的叶面积，并根据上下文执行六次无人机飞行以获取航拍图像。通过所提出的方法估计的葡萄园 LAI 显示与通过传统手动方法获得的结果相关。事实上，获得的 0.82 的 R 2 值可以被认为是完全足够的，与参考 LAI 手动测量的精度兼容。沿墙的高度和叶片密度分布。为了验证估计的 LAI，在 Piedmont 的一个葡萄园中进行了一项实验：通过倾斜点象限方法手动测量 704 株葡萄藤的叶面积，并根据上下文执行六次无人机飞行以获取航拍图像。通过所提出的方法估计的葡萄园 LAI 显示与通过传统手动方法获得的结果相关。事实上，获得的 R 2 值 0.82 可以被认为是完全足够的，与参考 LAI 手动测量的精度兼容。沿墙的高度和叶片密度分布。为了验证估计的 LAI，在 Piedmont 的一个葡萄园中进行了一项实验：通过倾斜点象限方法手动测量 704 株葡萄藤的叶面积，并根据上下文执行六次无人机飞行以获取航拍图像。通过所提出的方法估计的葡萄园 LAI 显示与通过传统手动方法获得的结果相关。事实上，获得的 0.82 的 R 2 值可以被认为是完全足够的，与参考 LAI 手动测量的精度兼容。通过斜点象限法手动测量了 704 株葡萄藤的叶面积，并根据上下文进行了六次无人机飞行以获取航拍图像。通过所提出的方法估计的葡萄园 LAI 显示与通过传统手动方法获得的结果相关。事实上，获得的 0.82 的 R 2 值可以被认为是完全足够的，与参考 LAI 手动测量的精度兼容。通过斜点象限法手动测量了 704 株葡萄藤的叶面积，并根据上下文进行了六次无人机飞行以获取航拍图像。通过所提出的方法估计的葡萄园 LAI 显示与通过传统手动方法获得的结果相关。事实上，获得的 0.82 的 R 2 值可以被认为是完全足够的，与参考 LAI 手动测量的精度兼容。