《农业工程学报》2024年第40卷第14期刊载了山东省农业科学院等单位马爽、张卓然、张钧泳、骆秀斌、高瑞、任嘉敏与侯学会的论文——“理化复合参数和神经网络结合的冬小麦长势遥感监测”。该研究由国家重点研发计划项目（项目：2021YFB3901303）等资助。
引文信息：马爽，张卓然，张钧泳，等. 理化复合参数和神经网络结合的冬小麦长势遥感监测[J]. 农业工程学报，2024，40(14)：91-99.
DOI: 10.11975/j.issn.1002-6819.202401026
准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段，正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性，该研究基于田间实测的冬小麦拔节期地上鲜生物量（aboveground fresh biomass，AFB）、叶面积指数（leaf area index，LAI）、叶片叶绿素相对含量（soil and plant analyzer development，SPAD）和叶片氮含量（leaf nitrogen content，LNC）4种生长相关理化参数，利用熵值法获取各参数权重构建冬小麦理化复合参数（physico-chemical composite parameter，PCCP）。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后，以Sentinel-2A作为数据源，分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播（back propagation，BP）人工神经网络（artificial neural networks，ANN）的输入，建立冬小麦长势遥感监测模型，对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。
赋权结果表明，作物物理参数的权重大于生化参数，其中LAI的权重最大，为0.387，AFB和SPAD次之，LNC的权重最小，为0.105；PCCP性能评估结果表明，与单一理化参数相比，PCCP值能更好地揭示作物长势状况的差异，其与最终籽粒产量的相关性更好, 决定系数提高0.035～0.468，均方根误差减少46.2～520.0 kg/hm2；在遥感监测过程中，PCCP比单一理化参数有更好的应用潜力，BP-ANN长势遥感监测模型模拟PCCP精度较高，在测试集中决定系数为0.830，均方根误差为0.080；研究区冬小麦总体长势稳定且分布集中，呈现"中部差，南北好"的空间分布特征。
因此，构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式，可为冬小麦田间管理提供科学依据，服务于发展智慧农业和建设农业强国的战略需求。
本文由丨《农业工程学报》编辑部丨精编发布
欢迎留言、分享、点赞
转载、投稿、咨询
邮箱：tcsae@tcsae.org
发布征集
欢迎广大作者、读者投稿至我刊公众号，包括但不限于创新科研成果、科技写作技巧、书籍推介、优秀科技工作者介绍、科研团队招聘/招生、行业资讯以及相关活动等农业工程领域信息。
公众号文章投稿邮箱：abe-newmedia@tcsae.org
»» 点击 阅读原文 免费获取全文
