河南作為小麥玉米的主要產糧區(qū)，對小麥玉米方面的研究頗為深入。針對小麥灌漿期易受天氣等因素影響，造成小麥倒伏的情況，需快速準確評估作物倒伏災情狀況，需及時獲取倒伏發(fā)生位置及面積等信息。

目前基于無人機遙感識別作物倒伏缺乏相應的技術標準，不利于規(guī)范無人機數(shù)據(jù)獲取流程和提出問題解決方案。河南農業(yè)大學農學院，教育部作物生長發(fā)育調控重點實驗室，省部共建小麥玉米作物學國家重點實驗室聯(lián)手組成了馮偉科研團隊，旨在探討不同空間分辨率無人機遙感影像及特征優(yōu)化方法對小麥倒伏區(qū)域識別精度的影響。

在小麥倒伏后設置3個飛行高度(30、60和90 m)，獲取不同空間分辨率(1.05、2.09和3.26 cm)的數(shù)字正射影像圖(Digital Orthophoto Map，DOM)和數(shù)字表面模型(Digital Surface Model，DSM)，從不同空間分辨率影像中分別提取5個光譜特征、2個高度特征、5個植被指數(shù)以及40個紋理特征構建全特征集，并選擇3種特征選擇方法(ReliefF算法、RF-RFE算法、Boruta-Shap算法)篩選構建特征子集，進而利用3種面向對象監(jiān)督分類方法——支持向量機(Support Vector Machine，SVM)、隨機森林(Random Forest，RF)和K最近鄰(K Nearest Neighbor，KNN)構建小麥倒伏分類模型，明確適宜的分類策略，確立倒伏分類技術路徑。

結果表明，SVM的分類效果整體優(yōu)于RF和KNN，當影像空間分辨率在1.05~3.26 cm范圍內變化時，全特征集和3種優(yōu)化特征子集均以1.05 cm分辨率的分類精度最高，優(yōu)于2.09和3.26 cm。比較發(fā)現(xiàn)，Boruta-Shap特征優(yōu)化方法既能實現(xiàn)降維和提高分類精度的目標，又能適應空間分辨率的變化，當影像分辨率為3.26 cm時，總體分類精度相較1.05和2.09 cm分別降低了1.81%和0.75%;當影像分辨率為2.09 cm時，總體分類精度相較1.05 cm降低了1.06%，表現(xiàn)為不同飛行高度下的分類精度相對差異較小，90 m總體分類精度可達到95.6%，Kappa系數(shù)達到0.914，滿足了對分類精度的需求。

通過選擇適宜的特征選擇方法，不僅可以兼顧分類精度，還能有效縮小影像空間分辨率變化引起的倒伏分類差異，有助于提升飛行高度，擴大小麥倒伏監(jiān)測面積，降低作業(yè)成本，為確立作物倒伏信息獲取策略及小麥災情評估提供參考及支持。

此外，在小麥灌漿期，需進行水肥管理才能高產。

①水肥協(xié)調供應：水分和營養(yǎng)物質的供應對于小麥的正常生長至關重要。一方面，要保證灌漿期小麥的土壤濕度，及時補充水分;另一方面，要合理施肥，供給足夠的氮、磷、鉀等營養(yǎng)元素。水肥協(xié)調供應，才能滿足小麥生長的需要。

②合理施肥：適量的施肥有利于小麥的高產。遵從過猶不及的原則，避免過度施肥滋生病蟲害。合理施肥，根據(jù)小麥的需求量和土壤的狀況來進行施肥。

③注意排水：小麥灌漿期是雨水較多的季節(jié)，水分過多會影響小麥的正常生長。因此，在灌漿期，要注意排水，及時清理積水，保證土壤透氣性，避免小麥生長缺氧。

④密切觀察：密切觀察小麥的生長狀況，及時發(fā)現(xiàn)問題，及時采取措施。例如，發(fā)現(xiàn)小麥出現(xiàn)缺氧、疏菜、長勢不佳等情況時，應及時調整水肥管理措施，保證小麥的正常生長。

審核編輯 黃宇