无人机多光谱植被指数揭示不同气候季节下春性谷类作物产量关系的物种特异性差异

《Agronomy》:UAV-Based Spectral Indices Reveal Species-Specific Yield Relationships in Spring Cereals Across Contrasting Seasons

【字体: 大 中 小 】 时间:2026年09月20日 来源:Agronomy 4.1

编辑推荐:

  摘要专业翻译 气候变化和周期性春旱日益影响中欧地区的谷物生产,这需要在收获前即可检测作物响应的田间表型鉴定方法。本研究评估了无人机(UAV)获取的多光谱植被指数与春小麦、春大麦和燕麦籽粒产量变异之间的关系,三种作物在同一地点、两个气候截然不同的生长季内种植。在

  
摘要专业翻译 气候变化和周期性春旱日益影响中欧地区的谷物生产,这需要在收获前即可检测作物响应的田间表型鉴定方法。本研究评估了无人机(UAV)获取的多光谱植被指数与春小麦、春大麦和燕麦籽粒产量变异之间的关系,三种作物在同一地点、两个气候截然不同的生长季内种植。在受干旱影响的2024年(以更快的热量积累为特征)以及较湿润凉爽的2025年,研究人员在作物发育期间重复获取多光谱测量数据。光谱–产量关系在季节间和物种间存在显著差异。2024年,小麦(最高r = 0.793)和大麦(最高r = 0.826)与产量的相关性较强,而燕麦相关性中等(最高r = 0.512)。2025年,小麦和大麦的这些关系减弱,燕麦则无显著相关性。在剔除田间条带效应后,小麦和大麦的季节性对比仍然存在(尽管相关性减弱),但燕麦则不然:2024年燕麦的相关性消失,而2025年部分指标的相关性变得显著。主成分分析(PCA)表明,植被指数形成了一个共同的光谱梯度,而籽粒产量与该梯度之间的关联因物种和季节而异。分类回归树(CART)分析支持这些模式,2024年呈现更复杂的树结构和更强的交叉验证性能。结果表明,UAV光谱表型鉴定在2024年更清晰地捕获了与产量相关的冠层变异,且信息性光谱性状及其与产量的关系在物种间和两个对比季节间存在差异。

论文解读

一、研究背景与意义

气候变化是当前影响中欧作物生产的最重要因素之一。气温升高、降雨变率增大以及干旱期更加频繁,正在增加农业干旱风险并减少作物可用水量。尤其不利的是降水模式从长时间低强度降雨向短时强对流阵雨转变,虽然总降水量未必大幅减少,但更多水分通过径流和蒸发损失而非渗入土壤。这一问题在波兰尤为突出,约60%的耕地为持水能力有限的轻质土壤,即使短期降雨不足也可能导致水分胁迫,限制植株生长和产量。
干旱在多个生物学组织水平上影响植物功能。最早的反应之一是组织水势降低和部分气孔关闭,这减少了蒸腾失水,但也限制了CO2向叶片的供应并降低光合作用。高温还可能通过破坏光合机构、降低Rubisco活化酶活性进一步损害光合活性。持续水分亏缺加速叶片衰老、降低叶绿素含量、损害同化物运输并限制产量形成。在谷类作物中,分蘖、茎伸长、抽穗和灌浆是尤为敏感的时期。然而,暂时性缺水并不总是直接转化为最终产量损失,因为生理恢复、生长动态改变和同化物再分配可能部分补偿胁迫效应。
春性谷类作物因其整个发育周期发生在春季和初夏,受这些制约因素影响尤为突出。春小麦、春大麦和燕麦在波兰种植制度中长期发挥重要作用。尽管育种取得进展且现代品种产量潜力提高,但对植物环境胁迫响应的评估仍主要依赖目视评分和基于最终产量的选择,这种评估主要在生长季结束时提供信息,对造成基因型间差异的过程了解有限。田间条件下,植物响应是基因型、发育阶段和多种高度混杂的天气变量相互作用的结果。因此,在生长季期间、差异在产量中完全表达之前即可定量评估植株状况的方法日益重要。
无人机搭载多光谱传感器的发展为作物监测创造了新机遇,能够在大面积试验区域快速、重复、非破坏性地获取数据。然而,光谱–产量关系并非普遍适用,其强度可能随作物种类、基因型、发育阶段、冠层结构和环境条件而变化。以往研究多集中于单一作物种类和有限生长季,其在不同水热条件下的稳定性仍未得到充分理解,尤其是在春性谷类作物物种间的直接比较方面。据研究人员所知,这是首次在同一地点相邻试验区内同时种植春小麦、春大麦和燕麦并比较无人机光谱–产量关系的研究。

二、研究设计与关键技术方法

研究人员在波兰Strzelce(52.314980° N, 19.407555° E)于2024年和2025年两个气候对比鲜明的生长季开展田间试验,作为品种注册后检测系统(PDO)的一部分。三种谷类作物在相邻的独立试验区内按物种特异性设计种植。小麦和大麦在常规和集约两种管理水平下种植,每个管理水平两个重复;燕麦仅在常规管理下种植,三个重复。每小区面积10 m2,由8行组成,行距12.5 cm,播种密度450粒 m?2。2024年和2025年分别分析92和88个小麦小区、112和112个大麦小区、36和30个燕麦小区。
气象数据来自IMGW-PIB站,采用标准化降水蒸散指数(SPEI)和谢良尼诺夫水热系数(HTC)评估干旱状况,以生长度日(GDD)描述热量条件。无人机多光谱数据采用大疆Phantom 4 Multispectral获取,记录蓝(450 ± 16 nm)、绿(560 ± 16 nm)、红(650 ± 16 nm)、红边(730 ± 16 nm)和近红外(840 ± 26 nm)五个波段反射率,飞行高度20 m,地面采样距离1.05 cm pixel?1。2024年共获取9576张图像,2025年9279张。利用Pix4Dfields生成正射影像并计算六个植被指数:归一化差值植被指数(NDVI)、归一化差值红边指数(NDRE)、叶绿素指数(LCI)、增强型植被指数(EVI)、绿度归一化差值植被指数(GNDVI)和优化土壤调节植被指数(OSAVI)。统计分析以单小区为基本分析单元,采用Pearson相关分析、线性回归、条带调整偏相关分析、主成分分析(PCA)和分类回归树(CART)等方法。

三、研究结果

3.1 生长季水热条件特征
两个生长季的天气条件差异显著。2024年3月至7月总降水量为187.2 mm,而2025年为313.1 mm。2024年温度普遍较高,5月差异最大(17.2 °C vs. 11.9 °C)。2024年3月至7月平均温度为15.2 °C,2025年为13.6 °C。水热指数方面,2024年HTC从0.8升至2025年的1.5,SPEI从?1.9升至0.2。2024年作物主要生长期内出现干旱,5月SPEI和7月HTC显示严重水分亏缺;2025年5月以后水分条件有利。GDD积累方面,2024年从小麦和大麦收获时累计约1600 °C·天,2025年约1400 °C·天。
3.2 物种间光谱–产量关系差异
NDVI与产量的关系强度因物种而异。春小麦2024年NDVI–产量关系较强(R2 = 0.536),2025年决定系数下降约五倍。春大麦季节性差异更显著,R2从2024年的0.641降至2025年的0.048。燕麦2024年关系已较弱(R2 = 0.243),2025年不显著。总体而言,2025年有利季节的籽粒产量和NDVI值均高于受干旱影响的2024年。
3.3 光谱与农艺性状的相关结构
时间平均的植被指数在三种作物中高度相关。春小麦2024年与产量相关性最强的是NDRE和LCI(r = 0.793),其次为GNDVI(r = 0.737)和NDVI(r = 0.732)。春大麦六个指数均与产量强相关(0.734 ≤ r ≤ 0.826),OSAVI、LCI和GNDVI系数最高。2025年这些关系明显减弱,小麦相关系数不超过0.334,大麦不超过0.272。燕麦2024年相关性中等(r = 0.454至0.512),2025年无显著相关。单次采集日期分析显示,2024年小麦和大麦相关性在最早采集时较弱,5月和6月初增强;2025年大部分时间关系弱或不显著。剔除田间条带效应后,2024年小麦多数指数和大麦所有指数仍保持显著校正相关,燕麦2024年相关性不再显著。
3.4 光谱与农艺性状的多元关系
PCA显示植被指数在物种和年份间形成一致的光谱组,主要与第一主成分(PC1)相关,而籽粒产量、抽穗期和株高的位置因物种和季节而异。春小麦2024年前两个主成分解释85.3%总变异,所有植被指数与PC1强相关(载荷0.915至0.991),籽粒产量与PC1高度对齐(0.788)。2025年前两个主成分解释76.2%变异,籽粒产量在PC1上载荷较低(0.342),更多与PC2关联(?0.663)。春大麦呈现类似季节转变:2024年产量与光谱PC1强对齐(载荷0.865),2025年产量更多与PC2关联(0.697)。燕麦产量与主导光谱成分的关联在两个季节均较弱。
3.5 产量分化的CART分析
2024年春小麦中,LCI被选为主要分裂变量,LCI < 0.10的小区平均产量较低(4.3 kg plot?1),LCI ≥ 0.10的小区产量较高(5.2 kg plot?1),后者内部NDRE提供进一步分裂。2025年小麦树仅基于NDRE单一分裂。2024年春大麦中,OSAVI为主要分裂变量,OSAVI < 0.38的小区平均产量3.2 kg plot?1,≥ 0.38的小区为4.3 kg plot?1,低OSAVI组内GNDVI和高OSAVI组内NDRE提供额外分裂。2025年大麦仅保留NDRE。燕麦2024年仅EVI为分裂变量,2025年未识别出任何分裂变量。2024年CART模型拟合和交叉验证性能最强,春大麦训练R2 = 0.743,交叉验证R2 = 0.680;春小麦训练R2 = 0.669,交叉验证R2 = 0.548;燕麦交叉验证性能明显较弱(R2 = 0.121)。2025年所有作物的交叉验证性能均大幅下降。

四、讨论与结论

讨论部分指出,两个季节的对比不仅限于总降水量,还涉及水分亏缺相对于作物发育的时间。2024年5月水分限制最强,恰逢春性谷类作物快速冠层发育并接近抽穗期,水分限制与高发育活性期重合。植被指数不直接测量干旱,而是反映植物对环境条件响应导致的冠层特性变化。当水分限制影响冠层扩展、色素维持、衰老和产量形成关键阶段活性光合组织的持续时间时,光谱变异可能与最终生产力密切相关。在有利条件下,冠层反射率差异可能与产量的关联较弱,因为生殖发育和灌浆未受强烈水分亏缺约束。
物种间差异可能源于冠层反射率整合了多种结构和生理特性,其贡献因作物而异。小麦和大麦中红边和绿度相关指数在2024年的强表现与冠层状况和生产力之间的密切关联一致。燕麦中红边指数贡献较弱而EVI关联相对较强,表明光谱信号中结构和色素相关成分的平衡不同。冠层和圆锥花序结构的差异可能对此有贡献,但这些性状未直接测量。
由于植被指数高度共线,单一“最佳”指数的识别应谨慎解读。CART选择的变量在物种间不同,但替代指数可能产生类似分裂,阈值应视为数据特异的产量分化指标而非普遍生理边界。
研究局限性包括:仅覆盖两个生长季和单一地点,年份与水热条件无法统计分离;品种集在年份间不完全相同;物种间试验设计不完全等价;条带效应调整降低了部分相关性;植被指数高度共线;时间平均指数合并了不同发育阶段的测量。
研究结论为:籽粒产量和无人机光谱性状与产量的关系在两个水热对比季节间差异显著。光谱–产量关系在受干旱影响的2024年强于较湿润凉爽的2025年,表明光谱表型鉴定在2024年特别清晰地捕获了与产量相关的冠层变异。由于仅比较两年,此对比不应解释为干旱效应的因果估计。剔除田间条带效应后,小麦和大麦的季节性对比仍然存在,但相关性较弱;燕麦2024年相关性消失,而2025年部分指标相关性显著。三种春性谷类作物在同一地点、同一两个生长季的并排评估揭示了物种特异性光谱模式。红边和叶绿素相关指数与2024年小麦产量密切相关,GNDVI和OSAVI对大麦贡献显著,而燕麦光谱–产量关系较弱且不一致。无人机光谱表型鉴定可以支持春性谷类作物的田间评估,但解读指数时必须考虑测量时间、田间空间变异、环境背景和作物种类。进一步研究应在更多地点和季节验证这些关系,并考察将光谱指数与冠层结构和纹理性状相结合是否能提高不同环境条件下产量预测的稳健性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号