麦类作物学报

作者：刘欣谊，仲晓春，陈晨，刘涛，孙成明，李冬双，刘升平，王建军，丁大伟，霍中洋

单位：1. 江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室,扬州大学农学院,江苏扬州 225009； 2. 江苏省粮食作物现代产业技术协同创新中心,扬州大学,江苏扬州 225009；3. 中国农业科学院农业信息化研究所,北京 100081；4. 张家港市农业试验站,江苏张家港 215616

关键词：小麦,无人机图像,颜色指数,纹理特征指数,生育前期,产量预测,

基金：国家重点研发计划项目（2018YFD0300805）；国家自然科学基金项目（31671615，31701355，31872852）；江苏高校优势学科建设工程资助项目(PAPD)；国家博士后基金（2016M600448,2018T110560）；苏州市农业科技创新项目（SNG2017064）

为了实现基于无人机的小麦产量快速预测，通过不同种植密度、氮肥和品种的田间试验，应用无人机航拍获取小麦生育前期（越冬前期和拔节期）的RGB图像，通过图像处理获取小麦田间颜色和纹理特征指数，并在小麦收获后测定实际产量。通过分析不同颜色和纹理特征指数与小麦产量的关系，筛选出适合小麦产量预测的颜色和纹理特征指数，建立小麦产量预测模型并进行验证。结果表明，小麦生育前期图像颜色指数与产量的相关性较好，而纹理特征指数相关性较差。对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时，R为0.541，RMSE为671.26 kg·hm-2；对拔节期用单一颜色指数VARI构建的产量预测模型验证时，R为0.603，RMSE为639.78 kg·hm-2，预测结果比较理想，但不是最优。对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时，R和RMSE分别为0.629和611.82 kg·hm-2，比单一颜色指数模型分别提升16.27%和减小8.85%；对拔节期颜色指数VARI和纹理特征指数COR相结合构建的产量预测模型验证时，R和RMSE分别为0.746和510.29 kg·hm-2，较单一颜色指数模型分别提升23.71%和减小20.24%。上述结果说明，将无人机图像颜色和纹理特征指数相结合建立的估产模型精度较高，可在小麦生育前期对产量进行有效预测。

来源：2020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2020年第8期