《Discover Plants》：Predicting grain yield in wheat using UAV multispectral and ground based vegetation indices
编辑推荐：
摘要：利用无人机（UAV）多光谱影像进行高通量表型分析，为在不同播种条件下预测小麦产量提供了一种有前景的途径。本研究评估了基于UAV的植被指数与GreenSeeker手持传感器在估算13个面包小麦基因型产量相关性状方面的有效性。基于UAV多光谱的指数——归一化
摘要：利用无人机（UAV）多光谱影像进行高通量表型分析，为在不同播种条件下预测小麦产量提供了一种有前景的途径。本研究评估了基于UAV的植被指数与GreenSeeker手持传感器在估算13个面包小麦基因型产量相关性状方面的有效性。基于UAV多光谱的指数——归一化差异植被指数（NDVI）、绿色归一化差异植被指数（GNDVI）、归一化差异红边指数（NDRE）和简单比值（SR）——由MicaSense Altum-PT传感器在两个生长阶段（适期播种为播种后52天和79天；晚播为播种后16天和43天）获取的多光谱影像中导出。同时，研究人员使用GreenSeeker手持传感器记录NDVI，以与UAV导出的NDVI进行直接比较。UAV导出的指数与生物学产量（BY）、籽粒产量（GY）和千粒重（TGW）表现出持续更强的相关性，尤其是在开花期。GNDVI和SR成为预测BY和GY最具预测力的指数，而TGW与早期阶段的指数关联更强。GreenSeeker NDVI的相关性较弱，且在不同生长阶段和播种条件下的表现一致性较差。基因型如Phule Samadhan、MACS 2496和GS 4042在晚播热胁迫下表现出优异的适应性，在整个过程中维持较高的植被指数值。基于UAV的多光谱成像在预测关键产量性状和检测胁迫下基因型间变异方面优于手持传感器。统计和多元分析（方差分析ANOVA、主成分分析PCA和热图可视化）揭示了植被指数中显著的基因型间变异性，有效区分了不同播种环境下高活力与胁迫敏感型小麦基因型。这些发现凸显了基于UAV的多光谱成像作为一种稳健、高效且可扩展的表型分析工具，用于识别耐胁迫和高产基因型，强调了物候时机和最优指数选择在育种及精准农业中的重要性。
基于无人机多光谱与地面植被指数的小麦产量预测研究解读
一、研究背景与意义
面包小麦是全球粮食安全的重要支柱作物，在印度种植面积超过3100万公顷，年产量超过1.1亿吨，是全球第二大小麦生产国。然而，近年来小麦生产力出现下滑，主要归因于灌浆期气温升高所导致的终端热胁迫，这在半干旱地区尤为显著。印度全国小麦平均产量已从2016-17年度的3.48吨/公顷下降至2021-22年度的3.41吨/公顷。准确预测小麦基因型产量对作物管理和育种计划至关重要。植被指数（VIs）通过光谱反射率测量量化植物健康和活力，已成为作物表型研究的核心工具。传统手持传感器数据采集劳动密集且受时空限制，而搭载多光谱成像系统的无人机（UAV）已成为高通量表型分析的高效工具。然而，现有研究多局限于单一播种环境或单独依赖UAV或地面传感器，对不同播种条件下两种传感方式的系统比较仍缺乏充分记录。因此，本研究旨在评估和比较UAV多光谱与手持GreenSeeker传感器在适期和晚播条件下预测小麦产量相关性状的有效性，重点关注基因型间变异和植被指数的物候敏感性。
二、研究内容与主要技术方法
研究人员在印度马哈拉施特拉邦拉胡里的MPKV试验站开展了田间试验，选用13个面包小麦基因型，包括6个高级育种品系和7个已发布品种，设置适期播种和晚播两个处理。主要技术方法包括：利用搭载MicaSense Altum-PT多光谱传感器的六旋翼无人机在25米高度采集多光谱影像，通过Pix4D Mapper软件生成反射率图并计算NDVI、GNDVI、NDRE和SR四种植被指数；使用GreenSeeker手持传感器在地面同步记录NDVI；通过方差分析（ANOVA）、Tukey HSD检验、主成分分析（PCA）和热图可视化进行统计和多元分析；采用Pearson相关分析评估植被指数与产量性状间的关系。
三、研究结果
3.1 产量表现与播种时间效应：热胁迫显著降低了晚播小麦的籽粒产量和千粒重。适期播种平均生物学产量为8.97吨/公顷，籽粒产量为4.46吨/公顷，千粒重为40.58克；晚播条件下分别为9.58吨/公顷、3.40吨/公顷和29.38克。尽管晚播生物学产量略高，但千粒重和籽粒产量显著下降。育种品系在两种播种条件下均表现优于已发布品种，仅Phule Samadhan、HI 1605和MACS 6222三个品种在晚播条件下产量高于适期播种。
3.2 UAV影像的空间变异与植被健康：适期播种下植被更密集且分布均匀，晚播则密度较低、均匀性差。NDVI和GNDVI图中适期播种小区出现高于0.80的高值，SR值在适期播种小区显著更高（>10），NDRE则揭示了叶绿素含量和冠层结构的基因型差异。
3.3 植被指数的时间趋势：适期播种下，NDVI从第一次观测的0.84-0.91降至第二次的0.66-0.79，GNDVI、NDRE和SR也随时间下降。GS 4042、Phule Samadhan和MACS 2496持续显示较高指数值。晚播条件下，早期胁迫导致NDVI值较低（0.34-0.57），但多数基因型在第二次观测时恢复（0.79-0.90），MACS 2496的SR值最高达23.22。
3.4 基因型间植被指数变异：方差分析显示所有植被指数在两种播种条件下均存在显著基因型间差异。热图清晰区分了高表现基因型（Phule Samadhan、MACS 2496、GS 4042）与低表现基因型（Trimbak、NIAW 34）。PCA解释了总变异的92.2%（PC1）和6.2%（PC2），高活力基因型聚集在PC1正轴，胁迫敏感品系位于相反象限。
3.5 UAV与地面NDVI的比较：GreenSeeker NDVI在适期播种下持续高于晚播。UAV NDVI在适期播种下普遍更高，在晚播下变异性更大。UAV传感器从上方捕获整个小区的冠层反射率，整合了冠层水平的变异性，而GreenSeeker在固定高度沿作物行记录点状读数，更容易受行距、植株间隙和土壤反射影响。
3.6 植被指数与产量性状的相关性：UAV导出的植被指数与产量性状呈显著相关，而手持NDVI相关性较弱。早期阶段指数对千粒重的预测更好，后期阶段指数对生物学产量和籽粒产量的预测更有效。GNDVI和SR是预测生物学产量和籽粒产量最具预测力的指数。
四、讨论与结论
讨论部分指出，UAV导出的植被指数优于手持传感器的原因在于其捕获整个小区冠层空间变异的能力，有效减少了局部不规则性和测量误差的影响。开花期是光谱数据采集的关键时间窗口，此时冠层达到最大叶面积和光合活性，光谱响应与最终籽粒发育关联最密切。NDRE对红边区域（700-740纳米）的敏感性使其能够比基于红波的NDVI更好地检测中等叶绿素损耗和早期衰老。研究还指出，UAV与GreenSeeker应被视为互补工具而非可互换工具。研究结论表明，开花期采集的植被指数能更好地估算籽粒产量，而峰值营养期采集的指数对千粒重的预测效果更佳。UAV多光谱成像与地面传感的整合为小麦表型分析提供了快速、可扩展的方法，尤其有助于育种计划中对大量基因型进行非破坏性、高通量筛选。高表现基因型如Phule Samadhan、MACS 2496和GS 4042在两种播种条件下均保持较高植被指数值并聚为一类，显示出对终端热胁迫的较强恢复力。将UAV观测与土壤和气象数据耦合，可实现特定地点的养分和灌溉管理，促进精准农业实践的更广泛采用。
