麦类作物学报

作者：愿彬彬，汪洋，武红旗，康镱梁，谷海斌，骆俊腾，王帅帅

单位：1.新疆农业大学资源与环境学院,新疆乌鲁木齐830052；2.新疆农业大学草业学院,新疆乌鲁木齐830052；3.新疆土壤与植物生态过程实验室, 新疆乌鲁木齐830052

关键词：无人机,冬小麦,叶片氮含量,植被指数,可见光,多光谱,

基金：国家自然科学基金项目（31560340）

为了解无人机遥感平台用于快速、准确地监测冬小麦叶片氮含量（LNC）中的可行性，利用无人机遥感平台获取新疆喀什地区新疆农业科学院小麦育种基地冬小麦冠层光谱图像，分析和筛选可见光植被指数、多光谱植被指数与LNC的相关性，建立融合植被指数，比较多元线性回归（MLR）、逐步线性回归（SMLR）、随机森林回归（RF）在冬小麦各生育时期对叶片氮含量的适用性，筛选最优冬小麦叶片氮素含量估测模型。结果表明，小麦LNC与可见光植被指数（ExR、IKAW、VARI )、多光谱植被指数（RVI、RDVI、MSR、NDRE、RERDVI）、融合植被指数（ExR×RERDVI、IKAW×RERDVI和VARI×RERDVI）具有较高相关性，遥感监测效果在抽穗期最佳，灌浆期次之，成熟期最差。以融合植被指数作为自变量，采用随机森林回归模型构建的LNC估测模型在抽穗期的预测精度最佳，建模r2、RMSE和nRMSE分别为0.866、0.95 g·kg-1和6.23%，模型验证r2、RMSE和nRMSE分别为0.71、1.61 g·kg-1和10.83%。这说明基于无人机遥感平台利用融合植被指数能够实现对冬小麦LNC的快速、准确估测。

来源：2024年第8期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2024年第8期