高温干旱是影响作物生长及产量的主要因素｡当前，无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展，但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道｡该研究提出了苎麻抗旱性量化标准及利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。
01实验设计与方法无人机多光谱数据采集与预处理：
实验选择36份苎麻种质资源作为供试材料，设2次重复，共72个小区｡无人机(大疆精灵4Pro型)采集多光谱图像数据后，使用无人机一体化分析系统PhenoAI air对苎麻各小区进行图像数据分析，该系统可实现对遥感图像的自动化去噪和背景分割，从而计算出苎麻植被部分的植被指数。
实验材料与方法
相关性分析､ANOVA分析：
对田间数据进行相关性分析，研究计算了42项VIs与苎麻抗旱性的相关性；并采用ANOVA分析进一步确定抗旱苎麻品种与高温干旱敏感品种的光谱差异｡
模型构建与评估：
该研究以遥感获取的VIs为自变量，实测苎麻抗旱等级为因变量，采用随机森林､支持向量机､决策树3种机器学习方法构建苎麻抗旱性鉴定模型｡为了评估苎麻抗旱性鉴定模型在训练集和测试集上的性能，实验计算了精确率､召回率､F1得分､正确率4项指标。
02实验结果(1)不同抗旱等级苎麻的VIs差异：
不同抗旱等级苎麻表现出的光谱数据存在显著组间差异，其中，抗旱性很强的苎麻种质资源(5级)与其他抗旱等级苎麻在VIs上具有最大差异，表明遥感提取的VIs具有区分苎麻抗旱性的能力｡NDRE､NGBDI和S这3个光谱参数在多重比较中具有最低的LSD，能够作为苎麻水分亏缺和高温反应的光谱描述符｡
(2)苎麻抗旱性鉴定模型：
通过对比三种机器学习模型，研究发现SVM模型具有最佳正确率0.74。F1得分呈现“两级高，中间低”的趋势，表明抗旱极强和极弱的苎麻更容易识别｡
基于SVM的苎麻抗旱性鉴定模型
(3)基于无人机遥感的苎麻表型监测结果：
利用无人机遥感数据估测得到的SPAD_UAV､LAI_UAV､PH_UAV与人工测量值具有较强的相关性，可用于监测高温干旱胁迫下不同抗旱级苎麻表型差异，其中SPAD_UAV与SPAD的R2为0.616，LAI_UAV与LAI的R2为0.889，PH_UAV和株高的R2为0.614～0.926｡
苎麻遥感表型与实测表型的线性分析
(4)高温干旱胁迫下优质苎麻种质资源筛选:
通过分析不同抗旱等级苎麻的遥感表型,研究筛选出PJCD､WSXM､湘苎7号这3个3个优质苎麻种质资源。
优质苎麻种质资源筛选
该文建立了苎麻种质资源抗旱性评估标准，构建基于无人机多光谱遥感的苎麻种质资源抗旱性鉴定模型，研究高温干旱胁迫下苎麻表型的响应，以及苎麻生长与基因型､环境的关系，并实现高温干旱胁迫下基于遥感表型的优质苎麻种质资源筛选｡
论文链接：10.6041/j.issn.1000-1298.2023.04.020
推荐阅读：
