近日，我室作物水肥耦合高效调控创新团队在Agricultural Water Management（中科院一区Top，IF = 5.90）在线发表了题为“Accurate irrigation decision-making of winter wheat at the filling stage based on UAV hyperspectral inversion of leaf water content”的研究论文。该研究利用无人机高光谱影像和机器学习算法开发了一种冬小麦灌浆期灌溉决策的方法。

冬小麦灌浆期是籽粒形成的关键时期，在灌浆期进行精准按需补灌是提高干旱半干旱地区小麦籽粒产量和水分利用效率的有效措施。土壤含水量是农业用水灌溉中的一个重要参数，对土壤含水量进行及时监测，可指导进行高效灌溉。目前的研究中对于土壤含水量的测量耗时费力，本研究旨在构建基于无人机高光谱影像的冬小麦灌浆期灌溉量估算模型，从而 为利用无人机成像技术对冬小麦灌溉决策进行快速、无损监测提供有价值的参考。

图1 试验流程及数据处理

首先利用Savitzky-Golay（SG）滤波算法对原始无人机高光谱数据进行了平滑处理，然后 通过比较不同水氮条件下冬小麦冠层光谱反射率与LWC的Pearson相关系数，利用 successive projections algorithm （SPA）进一步缩小了与LWC显著负相关的波长范围，得出了11条选定的波段。最后利用随机森林（RF）和偏最小二乘法（PLSR）对两种筛选波段方法下进行叶片含水量（LWC）反演，从而筛选出最适的LWC反演模型。

其次，通过对0-100cm平均土壤含水量（SWC）与LWC进行建模回归分析，发现在多项式回归分析下具有较好的拟合效果，从而构建SWC-LWC转化模型。

图2 叶片含水率(LWC)估算结果散点图

图3 叶片含水率与土壤含水量的转化模型。注：（a）灌浆前期；（b）灌浆中期；（c）灌浆后期。

基于高光谱数据估算的灌浆期SWC与根据实际SWC计算的灌溉定额相关分析显示，灌浆前期、中期和后期的R²分别为0.75、0.80和0.73，RMSE分别为28.79m ³ /ha、17.26m ³ /ha和37.35m ³ /ha，NRMSE分别为19.1%、11.8%和22.1%，表明通过 高光谱反演的SWC与实测SWC计算的灌溉定额 具有较高的一致性。该研究提出的基于无人机高光谱影像的冬小麦灌浆期灌溉量估算方法，有助于实现冬小麦精准灌溉决策。

图4 灌浆期灌溉定额比较。注：（a）灌浆前期；（b）灌浆中期；（c）灌浆后期。

作物水肥耦合高效调控创新团队硕士生孙旭光为该论文的第一作者，谷利敏副教授、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。该研究得到了国家重点研发计划项目（2023YFD2301500）的资助。

论文链接：

https://doi.org/10.1016/j.agwat.2024.109171