基于无人机空中表型分析评估大豆关键形态生理性状和产量-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于无人机空中表型分析评估大豆关键形态生理性状和产量

发布时间：

2025-10-10

来源：

作者：

形态生理参数如株高、叶片绿含量、气孔导度和叶面积指数是保证大豆收益的关键参数。评估这些性状的传统方法速度缓慢、劳动密集，对于大规模监测来说不切实际。因此，能够有效量化以上性状并预测产量的高通量传感器越来越受欢迎。在各种遥感传感器中，多光谱提供红色、绿色、红边和近红外频段的信息，对于通过组合多个光谱频段研究植物生长和植被健康至关重要。因此，本研究通过识别最有效的植被指数并使用多光谱传感器和LASO回归确定空中表型分型的最佳时机。

该研究表明，使用基于无人机的多光谱图像对大豆表型进行高通量收集分析的最佳时机是生长中期，特别是开花期和成熟期之间（即R2-R6）植被指数与株高和叶绿素含量的相关性最高。红边和基于近红外光谱的指数（REdgeCl 2、CIRE、NDRE、SIPI 2）对于预测株高、气孔导度和产量最有效，而与叶片相关的指数（CIG、PSRI）对叶面积指数和叶绿素含量的预测最接近。预测时间和成熟程度的变化凸显了最佳预测时间和特定品种方法在通过光谱指数研究植物生长和发育中的重要性。

总体而言，无人机衍生的多光谱图像与LASO回归相结合被证明是大规模大豆表型分型和产量监测的实用有效方法。这项研究通过提供基于遥感的快速非破坏性方法评估作物状况支持了精准农业发展。

图1. 无人机衍生的多光谱指数和性状的Pearson相关性。2023年: （a）株高；（b）叶面积指数；（c）气孔导度和2024年（d）株高；（e）叶面积指数；（f）SPAD值和（g）气孔导度

图2. 大豆成熟期组中无人机衍生的多光谱指数与作物参数之间的关系

图3. SPAD和气孔导度与植被指数的回归关系

图4. 产量和叶面积指数之间的回归关系

图5. 2023年（上）和2024年（下）株高和植被指数之间的回归关系

图6. 2024年生理参数与多光谱指数的回归关系

图7. 2024年气孔导度与产量之间的回归模型

图8. LASO回归

来源

Lalit Pun Magar, Jeremy Sandifer, Deepak Khatri, Sudip Poudel, Anuj Chiluwal,

UAV-based aerial phenotyping to assess key morphophysiological traits and yield in soybean,Smart Agricultural Technology,Volume 12,2025,101276,ISSN 2772-3755, https://doi.org/10.1016/j.atech.2025.101276.

编辑

JAYz

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示