| （一）文章信息 |
标题：Accurate estimation of grain number per panicle in winter wheat by synergistic use of UAV imagery and meteorological data
期刊：《International Journal of Applied Earth Observation and Geoinformation》(中科院1区TOP，IF=7.6)
作者：Yapeng Wu, et al.
doi：10.1016/j.jag.2024.104320
| （二）研究背景 |
| （三）研究数据与方法 |
（四）研究结果 |
| （五）研究结论 |
本研究提出了一种使用元学习集成回归（MLER）结合无人机（UAV）影像和气象数据来估测冬小麦每穗粒数（GNPP）的实用方法，打破了基于UAV的小麦GNPP估测的瓶颈。研究发现，累积变量ASD并不比瞬时变量APAR在GNPP估测中表现更好。通过整合遥感APAR和RGB衍生的CHP99，比单独使用CIs或SIs能更准确地估测GNPP。在所有特征组合中，Comb. #6（SIs + APARMS + CHP99）在单一和多阶段估测GNPP时显示出最强的鲁棒性。开花期是半冬性小麦GNPP估测的最佳时期。与单一阶段的最佳模型相比，多阶段模型在独立验证中的准确性更高，表明多阶段模型对输入变量数量的变化不敏感，并且在独立验证中表现出更高的准确性。综合考虑成本和准确性，建议使用消费级UAV获取RGB图像，并结合Comb. #5和多阶段模型（抽穗期+开花期）来估测小麦GNPP。该方法为使用UAV遥感估测小麦GNPP开辟了新途径，经过适当的特征选择或UAV成像协议的修改，该方法可以扩展到其他谷物作物或农业系统，并为精准农业、智能育种和粮食安全背景下准确估测作物产量提供了有力支持。
文章来源 ：Wu, Y., Yu, W., Gu, Y., Zhang, Q., Xiong, Y., Zheng, H., ... & Cheng, T. (2025). Accurate estimation of grain number per panicle in winter wheat by synergistic use of UAV imagery and meteorological data. International Journal of Applied Earth Observation and Geoinformation, 136, 104320.
免责声明 ：本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
| 回复1112获取全文！
2024-12-3
2024-12-3
2024-10-23
