智慧农业气象作物生长与环境监测科研进展

在未来农业的信息化道路上，对气象作物生长与环境监测作业，也就是对农业种植与环境的了解，是实现精准生产的基础。对此，无数科研机构、高校都投入了大量精力，目前在气象作物生长与环境监测方面，取得了一定进展。

一、东北三省地区生长季旱涝对春玉米产量的影响

参与机构：农业农村部耕地利用遥感重点实验室、农业农村部规划设计研究院

为评估生长季旱涝对作物产量的影响，提升农业增产保收。该团队研究分析指数与春玉米相对气象产量的关系以及不同生育阶段水分条件与产量之间的关系。基于1988—2017年气象站点数据和灾情、产量等统计数据，以中国东北三省为研究区。

结果表明:黑龙江关键生育期主要受旱灾影响，在出苗—拔节、拔节—抽穗期正常偏湿年份可达到最高产量，但中度及以上雨涝仍会导致玉米减产，抽穗—乳熟期在轻度湿润时可高产，重度湿润时会因涝减产。本研究对东北三省地区预估旱涝灾害对春玉米产量影响和及时采取灾害防御措施具有一定的参考价值。

二、基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算

参与机构：扬州大学农学院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、扬州大学江苏省粮食作物现代产业技术协同创新中心

为实现小麦生物量田间快速无损检测，开展基于不同密度、氮肥和品种处理的田间试验。该团队应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像，分析不同颜色指数和纹理特征参数与小麦生物量的关系，筛选出适合小麦生物量估算的颜色和纹理特征指数。

结果表明，不同时期图像颜色指数和小麦生物量均有较高的相关性，且大部分达到极显著相关水平;图像纹理特征指数与小麦生物量的相关性较差，只有少数指标达到显著或极显著相关水平，说明模型估算的结果是可靠的，且精度较高。同时结合无人机图像颜色和纹理特征指数的小麦生物量估测模型的效果要优于单一颜色指数模型。该研究可为小麦田间长势实时监测与生物量估算提供新手段。

三、基于无人机图像以及不同机器学习和深度学习模型的小麦倒伏率检测

参与机构：北达科他州州立大学农业与生物系统工程系

小麦在生长过程中发生倒伏会严重影响其产量，因此实时且准确地对小麦倒伏状况监测有很重要的意义。

针对传统方法监测小麦倒伏效率低、易出错，数据集不准确的问题，该团队研究提出了一种基于图像处理的自动数据集生成方法。

首先利用无人机采集图像数据，采用三种机器学习(支持向量机、随机森林、K近邻)和三种深度学习(ResNet101、GoogLeNet、VGG16)算法对小麦倒伏检测情况进行分类。结果显示，本研究证明了针对在91 m高度采集的无人机图像，采用ResNet101对小麦倒伏率检测是一种有效的替代人工检测的方法，其检测精度达到了75%。

四、利用表面增强拉曼光谱定量检测植物激素脱落酸

参与机构：河南农业大学机电工程学院、河南省农业激光技术国际联合实验室、小麦玉米作物学国家重点实验室

为解决植物激素脱落酸在植物组织中含量较低，检测灵敏度低的问题。该团队研究建立了一种基于适配体识别和表面增强拉曼光谱检测的ABA快速、定量检测方法。

结果表明，该方法用于小麦叶片中ABA的检测，检测结果与酶联免疫吸附剂测定具有良好的吻合度(相对误差≤9.13%)。该研究为植物激素快速检测提供了有效的解决方案。

五、基于探地雷达的田块尺度下不同深度土壤含水量监测

参与机构：东北农业大学资源与环境学院、中国农业科学院农业环境与可持续发展研究所

为确定田块尺度下探地雷达对不同深度及相邻反射层间土壤含水量的反演精度、有效反演深度、最佳反演深度及最优反演模型，该团队研究采用1000 MHz中心频率探地雷达设备，根据土壤体积含水量和介电常数之间的经验模型计算获得不同深度的土壤体积含水量。

试验结果表明，探地雷达具备对定量深度田间土壤含水量快速、精准检测的能力，但其反演模型需根据不同土壤类型等条件进行相应参数校正。

六、基于高光谱遥感的冬小麦涝渍胁迫识别及程度判别分析

参与机构：中国农业科学院农业信息研究所/农业农村部信息服务技术重点实验室

针对冬小麦涝渍胁迫频发的问题，该团队为识别冬小麦涝渍胁迫及判别其胁迫程度，监测冬小麦是否遭受涝渍胁迫并判别其涝渍胁迫程度，开展了一项基于高光谱遥感的冬小麦涝渍胁迫识别及程度判别分析。

试验结果显示，简单比值色素指数SRPI是识别涝渍胁迫冬小麦的最优植被指数。红光吸收谷(RW:640～680 nm)是识别冬小麦涝渍胁迫程度的最优波段，在RW波段内，抽穗、开花和灌浆期的光谱微分差信息熵可判别冬小麦涝渍胁迫程度，胁迫程度越大，光谱微分差信息熵越大。该研究为涝渍胁迫监测提供了一种新方法，在涝渍胁迫精确防控中具有较好的应用前景。

七、利用无人机影像监测不同生育阶段玉米群体株高的精度差异分析

参与机构：中国农业科学院作物科学研究所/农业农村部作物生理生态重点实验室

为明确利用无人机影像监测玉米群体株高的精度及其影响因素，该团队研究了基于无人机搭载光学成像设备构建大田玉米群体数字高程模型，研究不同生育时期下玉米群体株高检测的精度差异。

试验结果表明，高清RGB相机的株高监测精度优于多光谱成像设备，但株高监测精度不足，难以反映玉米群体的较小株高差异。不同生育阶段对玉米株高监测精度具有较大影响，生育前期冠层尚未全部覆盖地表或生育后期植株衰老叶片枯黄下垂时，受裸露地表影响，群体株高被严重低估。该研究分析了影响无人机搭载成像设备监测玉米株高精度的因素，可为该方法应用于大田生产提供借鉴意义。

审核编辑 黄宇