趙鵬飛，趙國(guó)建，金建猛，楊丹丹，孔欣欣，趙國(guó)軒，蘇亞中，牛洪壯，韓 雪，沈躍鵬，邱學(xué)領(lǐng)，于俊杰，要世瑾

（開封市農(nóng)林科學(xué)研究院 糧食研究所，河南 開封 475004）

衰老是植物生理功能的衰退，常表現(xiàn)為植物形態(tài)和生理的一系列變化，是植物生命周期的最后一個(gè)階段［1］。植物通過表現(xiàn)出的衰老特性，反映自身對(duì)環(huán)境的選擇和適應(yīng)能力。而早衰是作物在應(yīng)對(duì)環(huán)境變化時(shí)反映出來的比正常植株提前衰老的特性，具體表現(xiàn)為葉片褪綠、光合停止、植株枯萎和死亡。早衰將直接影響作物的產(chǎn)量和品質(zhì)，給農(nóng)業(yè)生產(chǎn)帶來嚴(yán)重的損失。

劉道宏［2］研究表明，小麥旗葉推遲衰老1 d，產(chǎn)量可增加2%左右；HARDY 等［3］研究表明，小麥旗葉推遲衰老可明顯增加籽粒產(chǎn)量，增產(chǎn)約為200 kg/hm2。小麥葉片，尤其是旗葉的持綠狀況對(duì)小麥籽粒同化物的累積起著決定性作用。葉片功能期越長(zhǎng)，灌漿期積累的干物質(zhì)越多，小麥粒質(zhì)量越大［4-5］。前人［6-8］研究小麥衰老通過破壞取樣，測(cè)定小麥衰老過程中葉綠素、氮素、含水率等生理生化指標(biāo)，且集中在小麥生長(zhǎng)后期，對(duì)于衰老早期的無損監(jiān)測(cè)和鑒定研究鮮有報(bào)道。為此，以早衰品種的快速篩選為目的，通過無人機(jī)搭載的RGB 和多光譜相機(jī)獲取小麥乳熟期的影像數(shù)據(jù)，分析遙感信息與小麥品種早衰特性的關(guān)系，建立一種無損、高效、實(shí)時(shí)的小麥早衰鑒定方法，為早衰品種的篩選提供依據(jù)。

1 材料和方法

1.1 試驗(yàn)區(qū)概況

于2020—2021 年在河南省開封市祥符區(qū)八里灣鎮(zhèn)姬坡農(nóng)場(chǎng)開封市農(nóng)林科學(xué)研究院小麥試驗(yàn)田（34°42′ N、114°36′ E）進(jìn)行試驗(yàn)。開封地處華北平原腹地、河南省東部，位于黃河下游南岸之濱，屬溫帶季風(fēng)氣候，年平均氣溫為14.52 ℃，年均無霜期為221 d，年均降水量為627.5 mm。試驗(yàn)區(qū)位于姬坡農(nóng)場(chǎng)東北部（圖1），共設(shè)有84 個(gè)試驗(yàn)小區(qū)，每個(gè)小區(qū)面積為13.5 m2（1.5 m×9 m），小區(qū)過道寬1.5 m。試驗(yàn)共種植小麥品種28 個(gè)，均為河南省區(qū)域試驗(yàn)的參試品種，以B1—B28 代表品種名。試驗(yàn)品種按參試要求播種和排列，試驗(yàn)品種具體分布見圖2。試驗(yàn)地土地平整、肥力均勻、墑情良好、排灌方便，前茬作物為玉米，試驗(yàn)管理參照當(dāng)?shù)剞r(nóng)戶。

圖1 試驗(yàn)區(qū)概況

圖2 試驗(yàn)區(qū)品種分布

1.2 地面數(shù)據(jù)觀測(cè)

在小麥的乳熟期對(duì)試驗(yàn)品種進(jìn)行早衰特性調(diào)查記載，記載標(biāo)準(zhǔn)見表1。試驗(yàn)品種早衰特性見表2。

表1 小麥品種早衰記載標(biāo)準(zhǔn)

表2 小麥品種早衰特性

1.3 無人機(jī)影像數(shù)據(jù)獲取

本試驗(yàn)利用的無人機(jī)型號(hào)為大疆M600 Pro，搭載的數(shù)碼相機(jī)為Sony a72，多光譜相機(jī)為Mica Sense Red Edge，飛行高度為30 m，速度為2.3 m/s，拍照間隔為1 s。在小麥乳熟期進(jìn)行無人機(jī)圖像采集，拍攝日期為2021 年5 月24 日。當(dāng)日天氣晴朗，拍攝時(shí)間為10：00—11：00。圖像航向重疊率為90%，旁向重疊率為80%，獲得的RGB 影像分辨率為1.75 mm/pix，多光譜為1.35 cm/pix。輻射定標(biāo)采用多光譜相機(jī)MicaSense Red Edge 配套的輻射校正灰板，鋪設(shè)于無人機(jī)航道正下方，拍攝完畢輻射校正板后進(jìn)入航道進(jìn)行試驗(yàn)田的影像拍攝。

數(shù)據(jù)采集時(shí)，無人機(jī)按照預(yù)先規(guī)劃好的區(qū)域和參數(shù)自動(dòng)巡航進(jìn)行拍攝，每張多光譜圖像均包含經(jīng)度、緯度、高度等空間位置信息。RGB 圖像未包含地理位置信息，需借助多光譜圖像進(jìn)行地理配準(zhǔn)。

1.4 無人機(jī)影像數(shù)據(jù)處理

1.4.1 影像拼接 無人機(jī)影像拍攝的圖像是單張零散的圖像，故要對(duì)圖像進(jìn)行拼接以獲取完整的試驗(yàn)區(qū)圖像。需進(jìn)行以下3 個(gè)步驟：1.刪除無人機(jī)拍攝的試驗(yàn)地之外的無效影像，例如起飛和降落期間拍攝的影像，減少拼圖時(shí)間，保證拼圖質(zhì)量。2.使用Agisoft PhotoScan V 1.4.5 軟（Agisoft LLC，俄羅斯）件進(jìn)行圖像拼接。并在拼接多光譜影像時(shí)候進(jìn)行灰板導(dǎo)入和輻射定標(biāo)。輻射定標(biāo)是將多光譜影像中無量綱的DN 值通過校正模型轉(zhuǎn)化為可以用來統(tǒng)一計(jì)算的光譜反射率［9-11］。通過重構(gòu)密集點(diǎn)云，生成三維模型和數(shù)字表面模型，最終將圖像輸出為tiff 格式進(jìn)行儲(chǔ)存。3.通過ArcGIS 10.3 軟件（Esri，美國(guó)）對(duì)無地理坐標(biāo)信息的RGB 圖像進(jìn)行地理配準(zhǔn)。將RGB 圖像和多光譜圖像導(dǎo)入ArcGIS 軟件后，應(yīng)用其地理配準(zhǔn)功能，將試驗(yàn)區(qū)對(duì)應(yīng)小區(qū)的邊角作為控制點(diǎn)對(duì)RGB 圖像進(jìn)行位置校正。最終賦予RGB 影像的地理坐標(biāo)系為GCS_WGS_1984。

續(xù)表2 小麥品種早衰特性

1.4.2 計(jì)算植被指數(shù) 為將圖像信息轉(zhuǎn)化為反映小麥品種生長(zhǎng)狀態(tài)的數(shù)據(jù)信息，選取3 個(gè)廣泛應(yīng)用于反映作物長(zhǎng)勢(shì)、衰老態(tài)勢(shì)以及水分含量的植被指數(shù)來評(píng)價(jià)各品種的衰老情況（表3）。

表3 評(píng)價(jià)小麥早衰情況的植被指數(shù)

利用ArcGIS 工具欄的柵格計(jì)算器分別計(jì)算試驗(yàn)田所有品種的植被指數(shù)。圖3—5 分別為試驗(yàn)區(qū)各品種NDVI、NGRDI 以及NDYI 分布圖。

圖3 試驗(yàn)區(qū)各品種的NDVI 分布

1.4.3 小區(qū)平均植被指數(shù)的提取 通過ArcGIS 軟件繪制矢量面。將84 個(gè)小區(qū)分別用矢量面進(jìn)行圈畫（圖6），并對(duì)對(duì)應(yīng)的小區(qū)矢量面進(jìn)行命名。通過ArcGIS 工具欄區(qū)域分析求取各小區(qū)植被指數(shù)的平均值。

圖6 試驗(yàn)小區(qū)提取

圖4 試驗(yàn)區(qū)各品種的NGRDI 分布

圖5 試驗(yàn)區(qū)各品種的NDYI 分布

2 結(jié)果與分析

2.1 NDVI 與小麥的早衰特性

由表4 可知，84 個(gè)小區(qū)中，NDVI 值較小的品種，普遍具有早衰特性。NDVI 值較大的品種，往往不具有早衰特性。將NDVI 閾值設(shè)定在0.65，以NDVI 值來評(píng)估小麥的早衰特性，準(zhǔn)確率為83%。

表4 NDVI 與小麥的早衰特性

2.2 NGRDI 與小麥的早衰特性

由表5 可知，84 個(gè)小區(qū)中，NGRDI 值較小的品種，普遍具有早衰特性。NGRDI 值較大的品種，沒有明顯的早衰特性。將NGRDI 閾值設(shè)定在0.08，以NGRDI 值來評(píng)估小麥的早衰特性，準(zhǔn)確率為75%。

表5 NGRDI 與小麥的早衰特性

續(xù)表5 NGRDI 與小麥的早衰特性

2.3 NDYI 與小麥的早衰特性

由表6 可知，84 個(gè)小區(qū)中，NDYI 值較小的品種，部分具有早衰特性。NDYI 值較大的品種，沒有明顯的早衰特性。將NDYI 閾值設(shè)定在0.41，以NDYI 值來評(píng)估小麥的早衰特性，準(zhǔn)確率為50%。

表6 NDYI 與小麥的早衰特性

3 結(jié)論與討論

通過無人機(jī)影像數(shù)據(jù)快速監(jiān)測(cè)作物表型是現(xiàn)代農(nóng)業(yè)精細(xì)化管理的一個(gè)重要手段，但現(xiàn)有研究多集中于株高、產(chǎn)量、倒伏、葉面積指數(shù)等方面［14-16］，對(duì)作物的衰老特性以及早衰鑒定方面的研究甚少。本研究通過無人機(jī)搭載數(shù)碼相機(jī)和多光譜相機(jī)構(gòu)成監(jiān)測(cè)小麥長(zhǎng)勢(shì)的低空遙感平臺(tái)，高效、實(shí)時(shí)地對(duì)大量的小麥品種進(jìn)行影像獲取和數(shù)據(jù)分析，為冬小麥的田間管理和品種篩選提供依據(jù)。通過對(duì)比3 種植被指數(shù)與小麥早衰特性的相關(guān)關(guān)系發(fā)現(xiàn)，NDVI 和NGRDI 能夠較好反映小麥早期的衰老特性，即當(dāng)NDVI 和NGRDI 值較小時(shí)，能夠反映小麥品種的早衰特性，而當(dāng)品種的NDVI 和NGRDI 值較大時(shí)，可以表明該品種不存在早衰趨勢(shì)。結(jié)果表明，NDVI 在反映小麥早衰特性方面的精度較高，可達(dá)83%，NGRDI 次之，精度可達(dá)75%。本研究對(duì)比分析了3 種常見的植被指數(shù)與小麥早衰特性的關(guān)系，下一步研究需引入更多的植被指數(shù)進(jìn)行小麥品種的早衰特性分析，且應(yīng)在灌漿期的多個(gè)時(shí)間節(jié)點(diǎn)進(jìn)行無人機(jī)的數(shù)據(jù)獲取和數(shù)據(jù)比對(duì)，以期確定更優(yōu)的早衰評(píng)估時(shí)期。

綜上，無人機(jī)遙感手段可以在一定范圍內(nèi)對(duì)小麥的長(zhǎng)勢(shì)和品種差異進(jìn)行監(jiān)測(cè)和評(píng)估，可以作為輔助手段對(duì)小麥長(zhǎng)勢(shì)進(jìn)行實(shí)時(shí)的數(shù)據(jù)分析和動(dòng)態(tài)監(jiān)測(cè)，為小麥育種、智慧農(nóng)業(yè)等領(lǐng)域提供參考。