无人机遥感技术助力冬小麦品种水分生产力高通量无损评估研究

为解决传统作物水分生产力(WP)评估方法耗时耗力的问题，研究人员创新性地结合无人机(UAV)遥感技术与机器学习算法，开发了基于SEBAL模型和随机森林(RF)的高通量WP评估体系。研究通过多光谱和热红外数据反演生物量(Biomass)和蒸散发(ET)，发现开花期WPb与最终产量水平WPg显著相关(R2>0.8)，为作物育种和节水农业提供了高效表型分析工具。

　　

在全球水资源短缺与粮食安全双重挑战下，提高作物水分生产力(WP)成为农业可持续发展的关键。传统WP评估依赖人工测量生物量和蒸散发(ET)，存在效率低、破坏样本等问题。尤其对于需要测试大量品种的育种研究，开发高通量无损检测方法迫在眉睫。华北平原作为中国重要小麦产区，冬小麦生长季降水量仅120mm，远低于作物需水量(450mm)，亟需筛选高WP品种以应对水资源约束。

中国农业科学院农业资源与农业区划研究所的研究团队在《Agricultural Water Management》发表创新性研究，首次将无人机(UAV)多光谱与热红外遥感结合机器学习算法，建立了冬小麦WP评估新范式。研究通过12次飞行试验获取高时空分辨率数据，采用SEBAL(地表能量平衡算法)模型估算日尺度ET，并对比KNN、SVR等5种机器学习算法后发现随机森林(RF)对生物量估算最优(R2达0.94)。关键创新在于通过作物系数(K_c)与土壤水分平衡方程实现非飞行日ET连续估算，并优化植被指数提升生物量反演精度。

【材料与方法】
研究在华北平原栾城农业生态实验站开展两年田间试验，设置10个冬小麦品种×3种灌溉处理(I0无灌溉，I1拔节期1次灌溉，I2拔节+开花期2次灌溉)的裂区设计。利用大疆P4M多光谱无人机和Matrice 300 RTK搭载FLIR热像仪采集数据，通过Pix4Dmapper处理影像。ET估算融合SEBAL瞬时反演、蒸发分数法日尺度扩展及K_c-LAI关系模型；生物量估算中对比了KNN、MLP等算法性能，最终选用RF建立植被指数与实测生物量的回归模型。

【结果】

1. 生长条件与品种差异：
   2022-2024两季试验显示，不同品种在I0条件下产量差异达36%，WP_g变异系数达29.9%。灌溉显著降低品种间ET差异，如I2处理使ET变异系数从18.2%降至10.9%。

2. ET与生物量模型验证：
   SEBAL模型估算ET与土壤水分平衡法结果高度吻合(R2=0.59-0.67)，但存在轻微低估。RF算法对总生物量估算精度最高(R2=0.94)，优化后的CIedge指数使茎秆生物量模拟精度提升127%。

3. 动态WP特征：
   开花至灌浆初期WP_b与最终WP_g相关性最强(r=0.82**)，该阶段生物量积累占全生育期35%，ET达日峰值4.5mm。误差分析表明此阶段WP估算对ET误差敏感性最低(S_ET=0.7)。

4. 技术优势：
   相比传统方法，该体系将单品种评估时间从数周缩短至2-3次关键期飞行，且通过开花期单次飞行即可预测最终WP_g的82%变异。

【结论与意义】
研究创建了首个基于UAV的冬小麦WP高通量评估框架，突破性地发现开花期WP_b可作为品种筛选的关键指标。该方法通过①SEBAL-RF耦合模型实现ET-生物量协同反演、②关键生育期采样策略降低70%工作量、③优化植被指数提升生物量估算精度等创新，为作物抗旱育种和节水栽培提供了高效表型分析工具。未来研究可进一步验证该框架在双源ET模型和其他作物上的适用性，推动精准农业技术发展。