1. 研究背景
小麦（Triticum aestivum L.）是全球三大主要粮食作物之一，其产量对于应对全球人口增长和气候变化引起的粮食需求增长至关重要。小麦产量是单位面积穗数（PNPA）、每穗粒数（GNPP）和千粒重协同作用的结果。尽管GNPP对产量的贡献仅次于PNPA，但在现代小麦生产中通常采用高密度种植以提高PNPA的情况下，提高GNPP是提高单位面积产量的关键。因此，GNPP引起了作物种植者和农民朋友的广泛关注。传统获取GNPP的方法是将小麦穗从茎上切下并在室内手工数粒，这种方法具有破坏性且效率低下。这限制了GNPP信息在精准作物管理和作物产量预测中的实际应用。随着遥感和图像处理技术的快速发展，快速、精确和无损地获取像素级的小麦GNPP成为可能。
2.创新之处
本研究旨在尝试利用气象数据和遥感数据，在无人机尺度上开发一种实用的冬小麦每穗粒数（GNPP）估算方法。具体目标是：(1) 从基于无人机的红绿蓝（RGB）和多光谱（MS）影像中筛选出对GNPP估算敏感的特征；(2) 检验气象特征（ASD和APAR）和无人机影像在GNPP估算中的贡献；(3) 确定多源特征耦合的最佳策略，以及基于无人机的GNPP估算的最佳时间段。
3. 关键图表
图1 本研究的方法技术流程图
图2 实际测量和估算的GNPP值对比散点图
图3 GNPP估计值的分布图
4. 主要结论
结果表明，从RGB像中提取的CHP99（感兴趣区域内第99百分位的冠层高度）在所有基于RGB或多光谱提取的冠层高度指标中，与实测植株高度的相关性最强。结合遥感的APAR和RGB提取的CHP99，相较于仅使用颜色指数或光谱指数（SIs），提高了GNPP估算的准确性。在所有特征组合中，组合#6（SIs + APARMS + CHP99）在单阶段和多阶段GNPP估算中表现出最高的整体准确性。与最佳的开花期模型（组合#5–7，Rval2 = 0.52–0.64，RMSE = 2.85–2.47，RRMSE = 6.01–5.21%）相比，多阶段（拔节期+开花期）模型在独立验证中表现出更高的准确性（Rval2 = 0.60–0.65，RMSE = 2.60–2.42，RRMSE = 5.48–5.10%）。研究结果表明，本研究为利用无人机遥感估算GNPP开辟了一条新途径。所提出的无人机影像与气象数据协同使用的方法，在利用卫星影像和气候数据集估测GNPP和粮食产量方面具有巨大潜力。
5. 发表信息
Wu Y, Yu W, Gu Y, et al. Accurate estimation of grain number per panicle in winter wheat by synergistic use of UAV imagery and meteorological data[J]. International Journal of Applied Earth Observation and Geoinformation, 2025, 136: 104320.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
