基于概率模型的冬小麦白粉病监测研究

【目的】利用多源数据对白粉病易发区进行病害发生监测研究能够提供大面积、快速、客观的病害发生信息,为农业植保部门开展科学防控提供有效的指导。研究以结合遥感与气象数据监测冬小麦白粉病并获取其精细空间信息为目的。【方法】利用中国高分辨率对地观测系统高分一号卫星(GF-1/WFV)遥感影像提取了研究区小麦种植区及归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI),通过气候灾害组站点红外雨量数据(climate hazards group infra Red precipitation with station data,CHIRPS)及美国中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)获取了研究区气象相关数据。采用基于概率模型的方法筛选并定量化表达了特征因子与小麦患病情况间的关系,生成了研究区小麦患病概率分布数据、研究区小麦白粉病监测结果、监测结果错分概率分布数据。【结果】基于概率模型的白粉病监测方法总体精度为81.25%,与目前较为流行的分类与回归树(classification and regression tree,CART)和随机森林(random forests,RFs)2种分类监测方法相比具有较高的监测精度;小麦患病概率分布数据能够详细地展现研究区小麦患病概率的空间分布及高患病概率麦区向低患病概率麦区的过渡情况;监测结果的错分概率分布数据与实际错分情况具有较好的一致性。【结论】基于概率模型的白粉病监测方法能够应用于区域尺度冬小麦白粉病发生发展状况监测研究。     

新疆喀什地区不同种植模式下小麦白粉病田间消长规律研究

[目的]调查核桃小麦间作田、红枣小麦间作田及小麦单作田小麦白粉病发生情况,研究果树小麦间作模式下小麦白粉病发生为害情况与小麦单作田的差异性.[方法]采用定期定点调查的方法,研究核桃小麦间作田、红枣小麦间作田和小麦单作田小麦白粉病的田间消长规律.[结果]小麦白粉病在5月中旬开始为害,核桃小麦间作田和红枣小麦间作田小麦白粉病田间消长规律与小麦单作田基本一致.小麦白粉病病情指数:核桃小麦间作田＞红枣小麦间作田＞小麦单作田.[结论]果树小麦间作田和小麦单作田小麦白粉病田间消长规律基本一致,但果树小麦间作田小麦白粉病病情指数高于小麦单作田.     

36％多·酮悬浮剂对小麦白粉病和赤霉病的防效研究

[目的]探究36％多·酮悬浮剂对小麦田白粉病和赤霉病的防治效果。[方法]通过田间试验研究了36％多·酮悬浮剂对小麦白粉病和赤霉病、油菜菌核病的防治效果及对油菜产量的影响。[结果]当36％多·酮悬浮剂施药量为2250ml/hm2时,药后7、14d对小麦白粉病和赤霉病、油菜茵核病的防效均最佳,同时使油菜产量提高了32．00％。[结论]为36％多·酮悬浮剂的进一步开发推广提供了理论依据。     

黑麦Imperial与KingⅡ中白粉病抗性基因的染色体定位

[目的]将黑麦Imperial及KingⅡ所带的白粉病抗性基因定位在染色体上,为其在小麦育种中的应用奠定基础。[方法]以2套小麦-黑麦附加系(中国春×Imperial和Holdfast×KingⅡ)为研究材料,研究黑麦Imperial及KingⅡ中白粉病抗性基因的染色体位置。[结果]中国春×Imperial的附加系6R和Holdfast×KingⅡ的附加系3R和6R对白粉病具有免疫力。这说明黑麦Imperial的白粉病抗性基因位于6R染色体上,而黑麦KingⅡ中白粉病抗性基因位于3R和6R染色体上。黑麦KingⅡ的3R染色体上的白粉病抗性基因可能是新基因,为小麦育种提供了新的白粉病抗原。这说明3R和6R染色体上的白粉病抗性基因可在小麦中表达。[结论]该研究为将黑麦白粉病抗性基因导入小麦提供了依据。     

不同施药器械防治小麦白粉病和赤霉病效果研究

[目的]考察5种施药器械防治小麦白粉病和赤霉病的效果,筛选小麦白粉病和赤霉病的最佳防治药械。[方法]选用杀菌剂48%氰烯菌酯·戊唑醇悬浮剂,分别采用烟雾机、单旋翼电动无人机、弥雾机、自走式大型喷雾器和喷枪5种施药器械进行2次防治,调查发病指数并计算防效。[结果]采用弥雾机和自走式喷雾器进行喷雾防治时效果较好,正常用药量防治时对小麦白粉病和赤霉病的防效均在80%以上。[结论]自走式喷雾器目前可推荐用于大面积小麦白粉病和赤霉病的防治,烟雾机防治效率高,可用于小麦白粉病和赤霉病的应急防治。     

新疆小麦品种(系)对小麦白粉病抗性的初步鉴定

[目的]通过苗期抗病性鉴定试验,筛选对小麦白粉病具有抗性的小麦品种(系).[方法]采用离体叶段法和苗期接菌法对小麦白粉病进行苗期抗病性鉴定.[结果]供试新疆小麦主栽品种新冬17号、新冬18号、新冬19号、新冬20号、新冬22号、新春6号等,以及其余参试品种对小麦白粉病均表现为高感.新紫1号品系对小麦白粉病表现为高抗;14/8329品系对小麦白粉病表现为中抗;其余小麦品种(系)均表现为感病.[结论]供试68个品种(系)中,仅有新紫1号和14/8329两个品种(系)对小麦白粉病具有抗病性,仅占供试品种(系)的2.94;.     

基于成像高光谱的小麦冠层白粉病早期监测方法

[目的]本研究利用近地面成像高光谱仪,获取接种白粉病菌后的小麦田间冠层时序影像,探索光谱信息与纹理信息的结合在冠层尺度上早期监测小麦白粉病的能力和表现.[方法]本试验以不同年份、不同抗病性小麦品种的田间试验为基础,利用连续小波(continuous wavelet transform,CWT)方法提取对小麦白粉病敏感的...     

我国小麦白粉病核心期刊研究文献计量分析

以1999～2009年的《中国期刊全文数据库》作为数据来源,采用文献计量学方法对核心期刊发表的小麦白粉病论文数量、研究内容、发表时间、作者机构和区域、核心作者、期刊分布进行统计分析,为小麦白粉病研究及信息交流提供参考依据。     

新药剂防治小麦白粉病筛选

[目的]筛选防治小麦白粉病的新制剂,以替代三唑酮或与之轮换使用.[方法]通过小区试验研究13种药剂对小麦白粉病的防治效果及安全性.[结果]40％环丙唑醇WP 300 ml/hm2对小麦白粉病的防治效果较好,第2次施药后10 d的防效达到95.23％;其次分别是12.5％氟环唑SC 900 g/hm2、25％乙嘧酚ME 1 200 g/hm2、50％醚菌酯WG 150 g/hm2,第2次施药后10 d的防效分别为82.45％、78.34％和70.33％.参试药剂在连续使用2次的情况下,对小麦较安全.[结论]40％环丙唑醇WP可在小麦生产上大面积推广使用,是实施小麦综合防控技术的理想选择.12.5％氟环唑SC、25％乙嘧酚ME、50％醚菌酯WG均可替代三唑酮及其复配剂作为防治小麦白粉病的理想药剂.     

不同药剂对小麦白粉病重发时的防治效果

[目的]研究不同药剂对小麦白粉病重发时的防治效果。[方法]选择三唑酮、醚菌·氟环唑2个药剂,分别于零星见病期、始盛期、盛病期3个时期用药,研究重发年或重发田块小麦白粉病的药剂防治策略。[结果]淘汰三唑酮,筛选合适的药剂如醚菌·氟环唑等,与纹枯病防治结合,适期提早用药,有效控制病害大流行。[结论]该研究为小麦白粉病的防治提供理论依据。     

基于叶片反射光谱估测水稻氮营养指数

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数（nitrogen nutrition index,NNI）的估算模型。【方法】2018—2019年开展2个水稻品种（徽两优898和Y两优900）及5个氮肥梯度（施氮量为0、75、150、225和300 kg·hm^-2,分别记为N₀、N₁、N₂、N₃、N₄）的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR（R₉₀₀,R₅₄₀）可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶（L₃）预测精度最好（R²=0.731,RMSE =0.130,RE=11.6%）,顶2叶（L₂）次之（R²=0.707,RMSE =0.136,RE =12.2%）,顶1叶（L₁）最差（R²=0.443,RMSE =0.187,RE =14.7%）;顶2叶和顶3叶组合平均光谱（L₂₃）的预测精度优于单叶水平和其他叶位组合（R²=0.740,RMSE =0.128,RE =11.5%）。再将窄波段比值指数SR（R₉₀₀,R₅₄₀）近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_{（900±50）},AR_{（540±10）}]模型精度较SR（R₉₀₀,R₅₄₀）未明显降低,且在L₂₃水平下2个模型的模型精度和预测精度基本一致（R²=0.740,RMSE =0.128,RE =11.5%）。水稻NNI小于1时与产量呈线性的正相关关系（P<0.05）,大于1时产量趋于平稳。【结论】L₂和L₃叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L₂₃可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数（SR（R₉₀₀,R₅₄₀）和SR[AR_{（900±50）},AR_{（540±10）}]）可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。     

Cotton Nitrogen Nutrition Diagnosis Based on Spectrum and Texture Feature of Images from Low Altitude Unmanned Aerial Vehicle

【Objective】 Based on the high spatial resolution images of unmanned aerial vehicle (UAV), the effects of removing soil background information and increasing image texture information on the inversion of cotton plant nitrogen concentration were investigated, in order to provide new technology for accurate estimation of cotton nitrogen nutrition status. 【Method】 Cotton water and nitrogen coupling experiment was conducted, and UAV images and plant nitrogen concentration data were measured during different cotton growth stages. Based on the above data, the effect of soil background on cotton canopy spectrum was firstly investigated. Secondly, the correlations between image texture parameters and plant nitrogen concentration were analyzed. Finally, the obtained data was divided into calibration dataset and validation dataset. Different scenarios, including before and after removing the soil background, and adding texture features, were set. The inversion models of plant nitrogen concentration under various scenarios were designed by using the coupled method of spectral indexes and principal component regression, and the performances of the models were compared. 【Result】 The soil background had an effect on the cotton canopy spectrum, and the trends were not the same at different growth stages. There existed significant correlations between image texture parameters and plant nitrogen concentration. For the scenarios before removal soil background, the plant nitrogen concentration prediction model had determination coefficient (R ²) value of 0.33 and root mean square error (RMSE) value of 0.21% during model calibration, and R ² value of 0.19 and RMSE value of 0.23% during validation. For the scenarios after removing soil background, the plant nitrogen concentration prediction model had R ² value of 0.38 and RMSE value of 0.20% during model calibration, and R ² value of 0.30 and RMSE value of 0.21% during validation. For the scenarios adding image texture information, the plant nitrogen concentration prediction model had R ² value of 0.57 and RMSE value of 0.17% during model calibration, and R ² value of 0.42 and RMSE value of 0.19% during validation. 【Conclusion】 Based on high spatial resolution images of low-altitude UAVs, both removing soil background and adding image texture information could improve the inversion accuracy of cotton plant nitrogen concentration. Image texture could be considered as important information to support prediction of crop nitrogen nutrition status using UAV images.     

基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究

【目的】基于无人机高空间分辨率影像,探讨剔除土壤背景信息及增加纹理信息对棉花植株氮浓度反演的影响,为棉花氮素营养精准探测提供新技术手段。【方法】开展棉花水、氮耦合试验,分别在棉花的不同生育期获取无人机多光谱影像和植株氮浓度信息。基于以上数据,首先探讨了土壤背景对棉花冠层光谱的影响;其次,分析了影像纹理特征与植株氮浓度间的相关性;最后,将获得的数据分为建模样本和检验样本,设置剔除土壤背景前、剔除土壤背景后、增加纹理特征等不同情景,采用光谱指数与主成分分析耦合建模的方法,来建立各种情景下植株氮浓度的反演模型,并对模型反演效果进行比较。【结果】土壤背景对棉花冠层光谱有影响,且不同生育期趋势不同;影像纹理特征参数与植株氮浓度间有显著相关关系;剔除土壤背景前植株氮浓度反演模型的建模决定系数为0.33,标准误差为0.21%,验证决定系数为0.19,标准误差为0.23%;剔除土壤背景后模型的建模决定系数为0.38,标准误差为0.20%,验证决定系数为0.30,标准误差为0.21%;增加纹理信息后模型的建模决定系数为0.57,标准误差为0.17%,验证决定系数为0.42,标准误差为0.19%。【结论】基于低空无人机高空间分辨率影像,剔除土壤背景和增加纹理特征均可提高棉花植株氮浓度的反演精度;影像纹理可以作为一种重要信息来支撑无人机遥感技术反演作物氮素营养状况。     

基于高光谱遥感和集成学习方法的冬小麦产量估测研究

【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关（P<0.0001）,且表现出较高的遗传力（0.61-0.85）,主要受遗传因素控制。在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数(R²) 分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差 (RMSE) 分别降低至0.607、0.612和0.593 t·hm^-2;节水处理下,3个生育期的平均R²分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm^-2。【结论】利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考。     

富士和嘎啦苹果叶片面积估算模型构建

【目的】建立准确、无损的适宜于苹果不同品种和枝梢类型的叶面积估算模型。【方法】以富士及嘎啦不同长度的营养枝梢和果台枝梢叶片为试材,采用数字扫描仪获取叶片长度(LL)、宽度(LW)和叶面积(LA)等叶片形态参数,并采用决定系数(R²)、均方根误差(RMSE)、赤池信息准则(AIC)对建立的17个有常数项和无常数项叶面积模型精度进行筛选和适宜性评价。【结果】共获得5 207枚叶片形态参数,其中叶面积变异系数最大,达51.59%。叶片形态受品种及枝梢类型的显著影响,其中长枝梢叶片长、宽和叶面积显著大于同类型短枝梢叶片,而营养枝梢叶片长、宽和叶面积显著大于同长度果台枝梢,嘎啦叶片相比富士更为细长。以LL和LW复合变量为自变量的模型5:LA=a(LL×LW)、模型6:LA=a(LL+LW)²、模型9:LA=aLL²+bLW²、模型16:LA=a(LL×LW)^b、模型17:LA=(LL×LW)^b的精度可满足富士和嘎啦各类枝梢叶面积的估算,但需针对各品种和枝梢类型单独建...     

基于参数化和非参数化法的棉花生物量高光谱遥感估算

【目的】利用高光谱遥感数据快速、无损地估算棉花生物量,评估参数化与非参数化方法在棉花上的表现差异。【方法】本研究以4个棉花品种在2个年份(2004和2005年)的试验资料为基础,将2年数据分别进行建模和验证,采用参数化算法(植被指数法、连续小波变换)与非参数化算法(偏最小二乘回归、随机森林、人工神经网络、回归树、袋装树和增强树、支持向量机和高斯过程回归)分别构建吐絮前和吐絮后的生物量估算模型。【结果】近红外与红边波段仍然是棉花生物量遥感监测中最有效的波段区间。参数化方法运算简单,效率高,其中,CI_{red edge}证明是棉花生物量估算上表现最好的植被指数,具有较高的独立验证结果(吐絮前：RMSE=27.23 g·m^-2;吐絮后：RMSE=48.81 g·m^-2)。基于连续小波变换的方法缓解了植被指数的低估现象,尤其是吐絮后(吐絮前：RMSE=31.54 g·m^-2;吐絮后：RMSE=37.57 g·m^-2);在非参数化法中,随机森林是棉花生物量估算的最优算法(吐絮前：RMSE=20.48 g·m^-2;吐絮后：RMSE=30.28 g·m^-2)。吐絮后的估算精度都显著低于吐絮前,表明两类算法的估算精度都受到棉絮的影响。【结论】本研究评估了基于参数化和非参数化算法构建的棉花生物量估算模型,证明了非参数化方法可以作为棉花生物量无损监测的重要研究方法,该结论也为棉花其他生长参数的估测提供了技术支撑。     

肉用绵羊生长期甲烷排放特点与预测模型的建立

【目的】通过探索生长期肉用绵羊的甲烷（CH₄）排放规律,旨在建立相关的CH₄预测模型。【方法】采用单因素试验设计,以饲粮NFC/NDF（非纤维性碳水化合物/中性洗涤纤维）为0.78自由采食组的平均日增重作为饲粮NFC/NDF为1.03组和2.17组的限饲标准,在此基础下测定肉用绵羊的生长性能、营养物质消化率和甲烷产量,并分析肉用绵羊不同体重阶段的甲烷产量与饲粮干物质基础下的营养物质含量、营养物质摄入量、可消化营养物质摄入量及营养物质消化率间的回归关系。【结果】预测肉用绵羊生长早期（25—35 kg）CH₄产量的最佳一元和多元回归模型分别为：CH₄（L·d ^-1）= -26.58×NFC/NDF + 92.7（R ² = 0.772,P <0.001）;CH₄ (L·d ^-1)=2.71×NDFD-2.45×DMD-0.97 CPD+124.46（R ²=0.846,P=0.001）。预测肉用绵羊生长后期（48-55 kg）CH₄产量的最佳一元和多元回归模型分别为：CH₄ (L/d)=-57.00×GE (MJ·kg ^-1)+1076.0（R ²=0.581,P=0.002）;CH₄/BW ^0.75(L/kg ^0.75)=-0.013×NDF intake (g/d)-0.13×CP intake (g/d)+0.02×DM intake (g/d)+0.84（R ²=0.652,P=0.019）。而肉用绵羊生长期整体CH₄产量的最佳一元和多元预测模型分别为：CH₄(L/d)=-26.94×NFC/NDF+90.71（R ²=0.655,P <0.001）;CH₄/BW ^0.75(L/kg ^0.75)=0.005×Digestible NDF intake (g·d ^-1)+0.011×Digestible DM intake (g·d ^-1) - 0.097×Digestible CP intake (g·d ^-1)-4.78 （R ²=0.722,P <0.001）。 【结论】建立了肉用绵羊独立生长阶段（25—35 kg、48—55 kg）和整体生长阶段（25—55 kg）的CH₄预测模型。研究表明,处于不同体重阶段的肉用绵羊的最佳甲烷预测因子不尽相同,且甲烷产量受饲粮NFC/NDF影响较大。这可为今后评估我国饲养模式下的甲烷产量提供理论依据,也可为肉用绵羊饲粮的合理配制提供技术参考。     

基于高光谱和激光雷达遥感的水稻产量监测研究

【背景】快速、准确地估算水稻产量对于肥水精确管理及国家粮食政策的制定至关重要。高光谱与激光雷达遥感作为2种不同的主被动监测技术,为水稻长势信息获取提供了多样化手段。【目的】对比2种遥感监测手段在不同生态点的独立数据集中的验证精度,寻求可移植性强的产量估算模型,对水稻长势监测提供理论与技术支撑,及为精确农业提供科学指导具有重要意义。【方法】本研究通过实施3年（2016—2018年）包含不同地点、不同品种与不同氮素水平的水稻田间试验,在抽穗后各时期同步获取点云数据和光谱数据,结合线性回归与随机森林回归来估算产量,探究抽穗后点云数据与光谱数据估算水稻产量的差异;同时评估产量模型在不同数据集的时空可移植性,寻求可移植性强的产量估算模型。【结果】利用点云数据估算产量的精度（R² = 0.64—0.69）优于光谱数据的估算精度（R² = 0.20—0.58）;基于线性回归的产量估算模型,其验证精度明显优于基于随机森林回归的产量模型;产量模型在同一生态点的可移植性更强（不同生态点：RRMSE 16.69%—17.85%;同一生态点：RRMSE 11.37%—12.41%）。【结论】本研究为抽穗后水稻产量监测提供了新的方法和不同遥感手段的性能比较,为收获前作物产量的实时估算提供重要支撑。激光雷达技术凭借其全天候工作的特点,在长江中下游水稻产量实时监测中有着较好的应用前景。     

智能手机原位牧草生物量估算

【目的】生物量是草地生态系统物质和能量基础,是最基本的生态参量。以往基于卫星和航空遥感定量反演草地生物量过于专业化,难以在牧民间推广。因此,本文提出一种用手机近距离拍摄的真彩色图像估算牧草生物量方法,构建牧草生物量估算模型,为牧民方便、快捷、无损地掌握牧场牧草长势提供理论依据和技术支撑。【方法】首先,利用手机超高分辨率真彩色图像,分别基于植被指数、纹理特征以及联合植被指数和纹理特征构建牧草生物量估算特征集合。其次,为防止过多的特征提取带来维度灾难,提出一种XGBoost与序列前向选择相结合的特征选择算法（XGB-SFS）,进行特征筛选及最优子集构建。最后,使用随机森林回归和留一法交叉验证对比不同特征集合构建模型的生物量估算效果,分析不同类型特征及XGB-SFS算法在牧草地上生物量（Above Ground Biomass,AGB）估算中的作用。【结果】（1）对比单类型特征构建的模型,基于空间纹理特征的估算模型（R²=0.76）要优于基于光谱植被指数估算模型（R²=0.73）,表明纹理特征在超高分辨率牧草AGB估算中具有一定作用;（2）对比特征选择后的模型,联合空谱多类型特征构建模型优于任何一种单类型特征模型（R²=0.83,RMSE=127.57 g·m^-2,MAE=81.25 g·m^-2）,表明使用多类型特征构建模型,可一定程度上提高牧草AGB估算精度。（3）对比特征选择前后构建的模型,特征选择后的模型估算AGB效果要明显好于未进行特征选择的模型,且筛选出的特征与牧草生物量之间都存在较高的相关性,表明XGB-SFS能够很好降低数据维度的同时提高牧草AGB估算精度。【结论】手机超高分辨率真彩色图像可以对牧草生物量进行准确估算,本文提出的XGB-SFS算法也能从众多特征中筛选出与牧草生物量相关性较高的特征并提高模型估算精度。与以往专业遥感定量反演草地生物量相比,本文方法具有面向大众、成本低廉、使用方便等优势,研究将手机现场采集的数据与遥感和机器学习方法相结合,可开辟新的视角,支持农业信息化发展。     

基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析

【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近...