基于无人机影像的小麦早衰品种筛选研究

赵鹏飞，赵国建，金建猛，杨丹丹，孔欣欣，赵国轩，苏亚中，牛洪壮，韩 雪，沈跃鹏，邱学领，于俊杰，要世瑾

（开封市农林科学研究院 粮食研究所，河南 开封 475004）

衰老是植物生理功能的衰退，常表现为植物形态和生理的一系列变化，是植物生命周期的最后一个阶段［1］。植物通过表现出的衰老特性，反映自身对环境的选择和适应能力。而早衰是作物在应对环境变化时反映出来的比正常植株提前衰老的特性，具体表现为叶片褪绿、光合停止、植株枯萎和死亡。早衰将直接影响作物的产量和品质，给农业生产带来严重的损失。

刘道宏［2］研究表明，小麦旗叶推迟衰老1 d，产量可增加2%左右；HARDY 等［3］研究表明，小麦旗叶推迟衰老可明显增加籽粒产量，增产约为200 kg/hm2。小麦叶片，尤其是旗叶的持绿状况对小麦籽粒同化物的累积起着决定性作用。叶片功能期越长，灌浆期积累的干物质越多，小麦粒质量越大［4-5］。前人［6-8］研究小麦衰老通过破坏取样，测定小麦衰老过程中叶绿素、氮素、含水率等生理生化指标，且集中在小麦生长后期，对于衰老早期的无损监测和鉴定研究鲜有报道。为此，以早衰品种的快速筛选为目的，通过无人机搭载的RGB 和多光谱相机获取小麦乳熟期的影像数据，分析遥感信息与小麦品种早衰特性的关系，建立一种无损、高效、实时的小麦早衰鉴定方法，为早衰品种的筛选提供依据。

1 材料和方法

1.1 试验区概况

于2020—2021 年在河南省开封市祥符区八里湾镇姬坡农场开封市农林科学研究院小麦试验田（34°42′ N、114°36′ E）进行试验。开封地处华北平原腹地、河南省东部，位于黄河下游南岸之滨，属温带季风气候，年平均气温为14.52 ℃，年均无霜期为221 d，年均降水量为627.5 mm。试验区位于姬坡农场东北部（图1），共设有84 个试验小区，每个小区面积为13.5 m2（1.5 m×9 m），小区过道宽1.5 m。试验共种植小麦品种28 个，均为河南省区域试验的参试品种，以B1—B28 代表品种名。试验品种按参试要求播种和排列，试验品种具体分布见图2。试验地土地平整、肥力均匀、墒情良好、排灌方便，前茬作物为玉米，试验管理参照当地农户。

图1 试验区概况

图2 试验区品种分布

1.2 地面数据观测

在小麦的乳熟期对试验品种进行早衰特性调查记载，记载标准见表1。试验品种早衰特性见表2。

表1 小麦品种早衰记载标准

表2 小麦品种早衰特性

1.3 无人机影像数据获取

本试验利用的无人机型号为大疆M600 Pro，搭载的数码相机为Sony a72，多光谱相机为Mica Sense Red Edge，飞行高度为30 m，速度为2.3 m/s，拍照间隔为1 s。在小麦乳熟期进行无人机图像采集，拍摄日期为2021 年5 月24 日。当日天气晴朗，拍摄时间为10：00—11：00。图像航向重叠率为90%，旁向重叠率为80%，获得的RGB 影像分辨率为1.75 mm/pix，多光谱为1.35 cm/pix。辐射定标采用多光谱相机MicaSense Red Edge 配套的辐射校正灰板，铺设于无人机航道正下方，拍摄完毕辐射校正板后进入航道进行试验田的影像拍摄。

数据采集时，无人机按照预先规划好的区域和参数自动巡航进行拍摄，每张多光谱图像均包含经度、纬度、高度等空间位置信息。RGB 图像未包含地理位置信息，需借助多光谱图像进行地理配准。

1.4 无人机影像数据处理

1.4.1 影像拼接 无人机影像拍摄的图像是单张零散的图像，故要对图像进行拼接以获取完整的试验区图像。需进行以下3 个步骤：1.删除无人机拍摄的试验地之外的无效影像，例如起飞和降落期间拍摄的影像，减少拼图时间，保证拼图质量。2.使用Agisoft PhotoScan V 1.4.5 软（Agisoft LLC，俄罗斯）件进行图像拼接。并在拼接多光谱影像时候进行灰板导入和辐射定标。辐射定标是将多光谱影像中无量纲的DN 值通过校正模型转化为可以用来统一计算的光谱反射率［9-11］。通过重构密集点云，生成三维模型和数字表面模型，最终将图像输出为tiff 格式进行储存。3.通过ArcGIS 10.3 软件（Esri，美国）对无地理坐标信息的RGB 图像进行地理配准。将RGB 图像和多光谱图像导入ArcGIS 软件后，应用其地理配准功能，将试验区对应小区的边角作为控制点对RGB 图像进行位置校正。最终赋予RGB 影像的地理坐标系为GCS_WGS_1984。

续表2 小麦品种早衰特性

1.4.2 计算植被指数 为将图像信息转化为反映小麦品种生长状态的数据信息，选取3 个广泛应用于反映作物长势、衰老态势以及水分含量的植被指数来评价各品种的衰老情况（表3）。

表3 评价小麦早衰情况的植被指数

利用ArcGIS 工具栏的栅格计算器分别计算试验田所有品种的植被指数。图3—5 分别为试验区各品种NDVI、NGRDI 以及NDYI 分布图。

图3 试验区各品种的NDVI 分布

1.4.3 小区平均植被指数的提取 通过ArcGIS 软件绘制矢量面。将84 个小区分别用矢量面进行圈画（图6），并对对应的小区矢量面进行命名。通过ArcGIS 工具栏区域分析求取各小区植被指数的平均值。

图6 试验小区提取

图4 试验区各品种的NGRDI 分布

图5 试验区各品种的NDYI 分布

2 结果与分析

2.1 NDVI 与小麦的早衰特性

由表4 可知，84 个小区中，NDVI 值较小的品种，普遍具有早衰特性。NDVI 值较大的品种，往往不具有早衰特性。将NDVI 阈值设定在0.65，以NDVI 值来评估小麦的早衰特性，准确率为83%。

表4 NDVI 与小麦的早衰特性

2.2 NGRDI 与小麦的早衰特性

由表5 可知，84 个小区中，NGRDI 值较小的品种，普遍具有早衰特性。NGRDI 值较大的品种，没有明显的早衰特性。将NGRDI 阈值设定在0.08，以NGRDI 值来评估小麦的早衰特性，准确率为75%。

表5 NGRDI 与小麦的早衰特性

续表5 NGRDI 与小麦的早衰特性

2.3 NDYI 与小麦的早衰特性

由表6 可知，84 个小区中，NDYI 值较小的品种，部分具有早衰特性。NDYI 值较大的品种，没有明显的早衰特性。将NDYI 阈值设定在0.41，以NDYI 值来评估小麦的早衰特性，准确率为50%。

表6 NDYI 与小麦的早衰特性

3 结论与讨论

通过无人机影像数据快速监测作物表型是现代农业精细化管理的一个重要手段，但现有研究多集中于株高、产量、倒伏、叶面积指数等方面［14-16］，对作物的衰老特性以及早衰鉴定方面的研究甚少。本研究通过无人机搭载数码相机和多光谱相机构成监测小麦长势的低空遥感平台，高效、实时地对大量的小麦品种进行影像获取和数据分析，为冬小麦的田间管理和品种筛选提供依据。通过对比3 种植被指数与小麦早衰特性的相关关系发现，NDVI 和NGRDI 能够较好反映小麦早期的衰老特性，即当NDVI 和NGRDI 值较小时，能够反映小麦品种的早衰特性，而当品种的NDVI 和NGRDI 值较大时，可以表明该品种不存在早衰趋势。结果表明，NDVI 在反映小麦早衰特性方面的精度较高，可达83%，NGRDI 次之，精度可达75%。本研究对比分析了3 种常见的植被指数与小麦早衰特性的关系，下一步研究需引入更多的植被指数进行小麦品种的早衰特性分析，且应在灌浆期的多个时间节点进行无人机的数据获取和数据比对，以期确定更优的早衰评估时期。

综上，无人机遥感手段可以在一定范围内对小麦的长势和品种差异进行监测和评估，可以作为辅助手段对小麦长势进行实时的数据分析和动态监测，为小麦育种、智慧农业等领域提供参考。