农业机械学报

作者：吴婷婷，刘昕哲，聂睿琪，刘佳，武璐，李涛

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：小麦;株高;无人机遥感;植被指数;多光谱成像;高通量表型

基金：陕西省重点研发计划项目（2021NY-045）、校级科技创新与成果转化项目（TGZX2021-30）和校级学科建设专项经费项目

在小麦育种田间试验中，小区群体株高是最受关注的重要农艺性状之一。针对当前无人机遥感在小麦育种小区粒度下获取株高表型精确度低的问题，提出了两种方法：基于人工测量真值的近邻校正法（Nearest neighbor correction method，NNCM）和基于多光谱+RGB数据融合的光谱指数校正法（Spectral indices correction method，SICM），近邻校正法通过获取小区群体高程信息、结合地埂进行高程校正、再依据近邻真值滑动校正得到小区精确株高；光谱指数校正法通过计算植被指数并进行指数优选，从而构建株高-植被指数精确反演模型。试验结果表明，在具有地面真值的6个时期，传统无人机作物株高测量方法的相对均方根误差（Relative root mean square error, RMSE100）分别为11.15%、59.44%、11.76%、12.31%、8.05%、59.76%；NNCM的RMSE100分别为7.17%、8.18%、5.70%、5.62%、5.65%、7.74%；SICM的RMSE100分别为7.33%、8.17%、6.05%、6.15%、6.45%、10.50%；NNCM与SICM核密度分布曲线与地面真值更加接近，中位数、四分位数、最大值、最小值偏差不超过0.5%，表明提出的2种方法均可以校正无人机测量育种小区粒度上的株高性状。本文所提2种方法具有较高的精确度和较强的鲁棒性，NNCM适用于具有地面随机采样真值的场景，SICM则适用于大范围的农田株高检测，可依据不同使用条件选择相应的校正方法。

来源：2023年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第6期