在未來農(nóng)業(yè)的信息化道路上，對氣象作物生長與環(huán)境監(jiān)測作業(yè)，也就是對農(nóng)業(yè)種植與環(huán)境的了解，是實現(xiàn)精準生產(chǎn)的基礎。對此，無數(shù)科研機構、高校都投入了大量精力，目前在氣象作物生長與環(huán)境監(jiān)測方面，取得了一定進展。

一、東北三省地區(qū)生長季旱澇對春玉米產(chǎn)量的影響

參與機構：農(nóng)業(yè)農(nóng)村部耕地利用遙感重點實驗室、農(nóng)業(yè)農(nóng)村部規(guī)劃設計研究院

為評估生長季旱澇對作物產(chǎn)量的影響，提升農(nóng)業(yè)增產(chǎn)保收。該團隊研究分析指數(shù)與春玉米相對氣象產(chǎn)量的關系以及不同生育階段水分條件與產(chǎn)量之間的關系。基于1988—2017年氣象站點數(shù)據(jù)和災情、產(chǎn)量等統(tǒng)計數(shù)據(jù)，以中國東北三省為研究區(qū)。

結果表明:黑龍江關鍵生育期主要受旱災影響，在出苗—拔節(jié)、拔節(jié)—抽穗期正常偏濕年份可達到最高產(chǎn)量，但中度及以上雨澇仍會導致玉米減產(chǎn)，抽穗—乳熟期在輕度濕潤時可高產(chǎn)，重度濕潤時會因澇減產(chǎn)。本研究對東北三省地區(qū)預估旱澇災害對春玉米產(chǎn)量影響和及時采取災害防御措施具有一定的參考價值。

二、基于無人機圖像顏色與紋理特征的小麥不同生育時期生物量估算

參與機構：揚州大學農(nóng)學院江蘇省作物遺傳生理重點實驗室/江蘇省作物栽培生理重點實驗室、揚州大學江蘇省糧食作物現(xiàn)代產(chǎn)業(yè)技術協(xié)同創(chuàng)新中心

為實現(xiàn)小麥生物量田間快速無損檢測，開展基于不同密度、氮肥和品種處理的田間試驗。該團隊應用無人機獲取小麥越冬前期、拔節(jié)期、孕穗期和開花期4個時期的RGB圖像，分析不同顏色指數(shù)和紋理特征參數(shù)與小麥生物量的關系，篩選出適合小麥生物量估算的顏色和紋理特征指數(shù)。

結果表明，不同時期圖像顏色指數(shù)和小麥生物量均有較高的相關性，且大部分達到極顯著相關水平;圖像紋理特征指數(shù)與小麥生物量的相關性較差，只有少數(shù)指標達到顯著或極顯著相關水平，說明模型估算的結果是可靠的，且精度較高。同時結合無人機圖像顏色和紋理特征指數(shù)的小麥生物量估測模型的效果要優(yōu)于單一顏色指數(shù)模型。該研究可為小麥田間長勢實時監(jiān)測與生物量估算提供新手段。

三、基于無人機圖像以及不同機器學習和深度學習模型的小麥倒伏率檢測

參與機構：北達科他州州立大學農(nóng)業(yè)與生物系統(tǒng)工程系

小麥在生長過程中發(fā)生倒伏會嚴重影響其產(chǎn)量，因此實時且準確地對小麥倒伏狀況監(jiān)測有很重要的意義。

針對傳統(tǒng)方法監(jiān)測小麥倒伏效率低、易出錯，數(shù)據(jù)集不準確的問題，該團隊研究提出了一種基于圖像處理的自動數(shù)據(jù)集生成方法。

首先利用無人機采集圖像數(shù)據(jù)，采用三種機器學習(支持向量機、隨機森林、K近鄰)和三種深度學習(ResNet101、GoogLeNet、VGG16)算法對小麥倒伏檢測情況進行分類。結果顯示，本研究證明了針對在91 m高度采集的無人機圖像，采用ResNet101對小麥倒伏率檢測是一種有效的替代人工檢測的方法，其檢測精度達到了75%。

四、利用表面增強拉曼光譜定量檢測植物激素脫落酸

參與機構：河南農(nóng)業(yè)大學機電工程學院、河南省農(nóng)業(yè)激光技術國際聯(lián)合實驗室、小麥玉米作物學國家重點實驗室

為解決植物激素脫落酸在植物組織中含量較低，檢測靈敏度低的問題。該團隊研究建立了一種基于適配體識別和表面增強拉曼光譜檢測的ABA快速、定量檢測方法。

結果表明，該方法用于小麥葉片中ABA的檢測，檢測結果與酶聯(lián)免疫吸附劑測定具有良好的吻合度(相對誤差≤9.13%)。該研究為植物激素快速檢測提供了有效的解決方案。

五、基于探地雷達的田塊尺度下不同深度土壤含水量監(jiān)測

參與機構：東北農(nóng)業(yè)大學資源與環(huán)境學院、中國農(nóng)業(yè)科學院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所

為確定田塊尺度下探地雷達對不同深度及相鄰反射層間土壤含水量的反演精度、有效反演深度、最佳反演深度及最優(yōu)反演模型，該團隊研究采用1000 MHz中心頻率探地雷達設備，根據(jù)土壤體積含水量和介電常數(shù)之間的經(jīng)驗模型計算獲得不同深度的土壤體積含水量。

試驗結果表明，探地雷達具備對定量深度田間土壤含水量快速、精準檢測的能力，但其反演模型需根據(jù)不同土壤類型等條件進行相應參數(shù)校正。

六、基于高光譜遙感的冬小麥澇漬脅迫識別及程度判別分析

參與機構：中國農(nóng)業(yè)科學院農(nóng)業(yè)信息研究所/農(nóng)業(yè)農(nóng)村部信息服務技術重點實驗室

針對冬小麥澇漬脅迫頻發(fā)的問題，該團隊為識別冬小麥澇漬脅迫及判別其脅迫程度，監(jiān)測冬小麥是否遭受澇漬脅迫并判別其澇漬脅迫程度，開展了一項基于高光譜遙感的冬小麥澇漬脅迫識別及程度判別分析。

試驗結果顯示，簡單比值色素指數(shù)SRPI是識別澇漬脅迫冬小麥的最優(yōu)植被指數(shù)。紅光吸收谷(RW:640～680 nm)是識別冬小麥澇漬脅迫程度的最優(yōu)波段，在RW波段內(nèi)，抽穗、開花和灌漿期的光譜微分差信息熵可判別冬小麥澇漬脅迫程度，脅迫程度越大，光譜微分差信息熵越大。該研究為澇漬脅迫監(jiān)測提供了一種新方法，在澇漬脅迫精確防控中具有較好的應用前景。

七、利用無人機影像監(jiān)測不同生育階段玉米群體株高的精度差異分析

參與機構：中國農(nóng)業(yè)科學院作物科學研究所/農(nóng)業(yè)農(nóng)村部作物生理生態(tài)重點實驗室

為明確利用無人機影像監(jiān)測玉米群體株高的精度及其影響因素，該團隊研究了基于無人機搭載光學成像設備構建大田玉米群體數(shù)字高程模型，研究不同生育時期下玉米群體株高檢測的精度差異。

試驗結果表明，高清RGB相機的株高監(jiān)測精度優(yōu)于多光譜成像設備，但株高監(jiān)測精度不足，難以反映玉米群體的較小株高差異。不同生育階段對玉米株高監(jiān)測精度具有較大影響，生育前期冠層尚未全部覆蓋地表或生育后期植株衰老葉片枯黃下垂時，受裸露地表影響，群體株高被嚴重低估。該研究分析了影響無人機搭載成像設備監(jiān)測玉米株高精度的因素，可為該方法應用于大田生產(chǎn)提供借鑒意義。

審核編輯黃宇