近日，我室作物水肥耦合高效调控创新团队在Field Crops Research（中科院一区Top，IF = 5.80）在线发表了题为“Estimation of grain filling rate of winter wheat using leaf chlorophyll and LAI extracted from UAV images”的研究论文。该研究利用无人机多光谱影像和机器学习算法开发了一种有效估算冬小麦灌浆速率的新方法，并实现了大田尺度空间制图。

籽粒灌浆速率（GFR）在评价冬小麦籽粒发育、指导作物品种选择和栽培策略等方面具有重要作用。传统的GFR监测主要依靠破坏性采样，无法满足大范围灌浆速率信息的快速获取。本研究提出了一种利用无人机影像提取的叶片叶绿素含量（SPAD）和叶面积指数（LAI）估算GFR的新方法。

本研究设置水氮互作试验，首先建立了冬小麦GFR与SPAD和LAI之间的定量关系。随后，利用无人机多光谱影像监测灌浆期SPAD和LAI的时间序列动态变化。最后，构建了冬小麦GFR估算模型，并实现了GFR大田尺度空间制图。为了筛选SPAD和LAI的敏感植被指数组合，分别采用了自适应重加权采样和连续投影算法。随后，基于筛选出的敏感植被指数组合，采用偏最小二乘和随机森林算法建立SPAD和LAI估测模型，并将其与全指数组合估测模型进行比较。最后，基于SPAD和LAI与GFR的转换模型估算GFR。

研究结果表明，尽管供水存在差异，但不同灌溉处理之间的GFR变化趋势没有显著差异。然而，在氮肥处理中，GFR前期随氮肥供给量的增加而下降，整体在开花后21 ~ 25 d达到峰值，峰值期间各氮肥处理间GFR差异不显著。随着生育期的推进，高氮肥处理比低氮肥处理在较长时间内保持较高的GFR，且下降速度较慢。最终构建的估算模型，得到的SPAD估测值验证结果模型决定系数（R²）、均方根误差（RMSE）和标准化均方根误差（NRMSE）分别为0.79%、1.30%和12.5%；LAI估测值验证结果R²、RMSE和NRMSE分别为0.84、0.39和10.9%；GFR估测值验证结果R²、RMSE和NRMSE分别为0.77、0.32mg/d和11.3%。结合田间水肥管理情况绘制了田间GFR分布图，为无人机农田作物长势监测和水肥施用决策调整提供了技术支持。

作物水肥耦合高效调控创新团队硕士生张宝元、副教授谷利敏、博士生戴孟雷为该论文的共同第一作者，甄文超教授和国家农业信息化工程技术研究中心的顾晓鹤研究员为通讯作者。该研究得到了国家自然科学基金项目（42271319），河北省重点研发计划项目（22326406D、 21327001D），华北作物改良与调控国家重点实验室项目（NCCIR2021ZZ-24、 NCCIR2020RC-10）的资助。