研究团队开发了一种创新方法，利用无人机成像技术量化小麦的均匀度。该方法估算了叶面积指数 (LAI)、SPAD、植被覆盖率和植物高度，计算了整个生长季的 20 个均匀度指数。

Pielou 的 LAI 指数与产量和生物量的相关性最强。这种方法可以有效监测小麦的均匀性，为产量和生物量的预测提供新的见解，并在作物管理和未来的小麦育种计划中具有潜在的应用价值。

小麦是全球重要的农作物，但当前人口增长、极端天气和气候变化对小麦生产提出了更高的要求。均匀的群体结构是高产的关键，但不均匀的田间条件会导致植物之间产生竞争，从而影响产量的均匀性。

传统的均匀度测量方法劳动强度大、效率低。目前的研究主要集中于单个植物的空间均匀度，缺乏跨生长阶段的多性状评估。

2024 年 6 月 18 日发表在《植物表型学》上的一项研究旨在开发一种全面的方法来评估小麦整个生长阶段的均匀性，使用基于无人机的表型来评估其对产量和生物量的影响。

本研究利用无人机影像技术估算小麦的农学参数：SPAD、LAI 和株高(PH)。BPNN 模型对 LAI(R 2 =0.889)和 SPAD(R 2 =0.804)具有较高的精度，而从三维点云估算 PH 也具有较高的精度(R 2 =0.812)。这些准确的估算为计算均匀度指数奠定了基础。

研究表明，LAI、SPAD、FVC 和 PH 的均匀度指数在生长阶段动态变化，抽穗后指数一般趋于稳定。此外，相关性分析发现特定指数(如 LAI 的 LJ)与产量(r=-0.760)和生物量(r=-0.801)之间存在很强的相关性。

纳入这些均匀度指数的多元线性回归模型优于基于平均值的模型，从而提高了产量 (R 2 =0.616) 和生物量 (R 2 =0.798) 预测的准确性。该方法可有效监测小麦均匀度，并为提高作物产量和生物量估算提供参考。

该研究高级研究员董江表示：“所提出的均匀度监测方法可以有效评估小麦均匀度的时间和空间变化，为产量和生物量的预测提供新的见解。”

总之，本研究开发了一种基于无人机的小麦均匀度监测方法。使用均匀度指数的模型比使用平均值的模型具有更高的准确性，为产量和生物量预测提供了宝贵的见解。展望未来，不同的均匀度指数可以改善作物管理和育种。

未来的研究应该探索不同生长阶段的均匀性和生产力之间的关系，并验证该方法对其他作物的有效性，以改善农业实践。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：