→查看原文　　　→查看PDF

玉米是我國第一大糧食作物。由于栽培方式不合理（如種植過密、施肥灌溉不當等）或品種抗倒伏能力弱，以及近年來強風暴雨等天氣有所增加，玉米在生育中后期經常會受到倒伏脅迫，嚴重影響了玉米產量、籽粒品質和機械收獲能力。及時準確地監測倒伏范圍和災情等級，有助于提高保險理賠和救災補償的客觀性和科學性，降低種植戶受災損失，推動我國農業保險體系的合理有序擴展。

2019年12月，Plant Phenomics刊發了題為Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image的研究論文，介紹了一種基于無人機多光譜影像的玉米倒伏等級監測的方法。

Fig.: The workflow of maize lodging grade classification.

本研究旨在分析無人機(UAV)多光譜影像在玉米倒伏等級監測方面的應用能力。多光譜Parrot Sequoia相機具有近紅外、紅邊、紅光、綠光四個同道，其中肉眼無法看到的近紅外、紅邊波段可以對植被狀況做出高精度的診斷，是分析植物健康的高效工具。在玉米倒伏野外樣本的支持下，針對無人機多光譜影像提取各類訓練樣本的光譜反射率、紋理特征參數和植被指數，通過不同的特征參量組合，利用最大似然分類(MLC)法對各種特征組合圖像進行分類，提取4類玉米倒伏等級區域。利用混淆矩陣進行分類精度評價，篩選適用于玉米倒伏等級監測的最優特征組合。結果表明，僅利用原始多光譜特征的精度達到83.58%；主成分、紋理特征以及紋理-植被指數組合的分類精度均有不同程度的提高；紋理-植被指數組合的分類效果最佳，總體精度達86.61%，Kappa系數為0.8327。該研究成果有助于提升無人機技術在玉米倒伏災情快速監測方面的應用能力。

Fig. : (a–d) are field survey photos of maize lodging.(f) is an enlarged view of a part of the UAV multispectral image with different lodging grades.

本文第一作者為孫乾（山東科技大學，碩士研究生，主要研究方向為資源環境遙感），通訊作者為北京農業信息技術研究中心顧曉鶴研究員（博士，主要從事農業定量遙感研究）。該研究得到國家自然科學基金(41571323)、北京自然科學基金(6172011)、北京市農林科學院技術創新能力建設專項基金[KJCX20170705]的資助。

文章第一單位北京農業信息技術研究中心長期從事農業信息技術研究，在農作物災情遙感監測、長勢脅迫診斷、產量品質預測、作物輻射傳輸模型等方面具有很好的研究基礎。依托國家農業信息化工程技術研究中心，在北京小湯山建有2500畝的國家精準農業示范基地，已建成運營了近20年，依托實驗基地建有“農業部小湯山精準農業與生態環境重點野外科學觀測實驗站”（農業部首批58個重點野外科學觀測實驗站之一），具有先進的光譜學、無人機觀測平臺、遙感、地理信息系統、全球定位系統軟硬件設備，具備各種田間農學速測儀器和室內分析儀器。過去和正在承擔的多個國家級科研項目，積累了大量的實驗方法和理論基礎、農學知識模型、作物脅迫機理模型等資料。目前已獲得省部級以上科研獎勵18項，擁有自主知識產權的國家發明專利和實用新型專利100余項，發表農業定量遙感方面的高水平論文500余篇。

How to Cite this Article

Qian Sun, Lin Sun, Meiyan Shu, Xiaohe Gu, Guijun Yang, and Longfei Zhou, “Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image,” Plant Phenomics, vol. 2019, Article ID 5704154, 16 pages, 2019.https://doi.org/10.34133/2019/5704154.

專刊征稿：智慧農業系統的圖像分析與機器學習

相關閱讀

A weakly Supervised Deep Learning Framework for Sorghum Head Detection and Counting

原文介紹：Plant Phenomics | 一種用于高粱頭狀花序檢測和計數的弱監督深度學習框架

High-Throughput UAV Image-Based Method Is More Precise Than Manual Rating of Herbicide Tolerance

原文介紹：

Plant Phenomics | 基于無人機圖像的高通量除草劑耐受性評價方法更精準

Easy MPE: Extraction of Quality Microplot Images for UAV-Based High-Throughput Field Phenotyping

原文介紹：

Plant Phenomics | Easy MPE：基于無人機高通量表型技術提取高質量田間小區圖像

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。2019年8月，已正式被DOAJ數據庫收錄。

編輯：孔敏

審核：尹歡