南方农业学报

作者：余德炤, 江晓东, 杨莹颖, 张建取, 忻乐, 张艳, 秦思容, 杨再强,

关键词：小麦, 叶绿素荧光参数, RGB图像, 高光谱图像, 低温胁迫评估模型,

【目的】 探究低温胁迫对小麦叶片叶绿素荧光参数、RGB图像参数和高光谱指数的影响，建立小麦低温胁迫评估模型，为小麦生产防灾减灾提供参考。【方法】 以济麦22为研究对象，在小麦拔节期开展低温胁迫控制试验，设白天（8:00—20:00）/夜间（20:00—次日8:00）平均温度分别为8℃/0℃（T1）、6℃/-2℃（T2）和4℃/-4℃（T3）3个处理，持续时间3 d，以大田自然环境的盆栽小麦（23℃/8℃）为对照（CK），研究低温胁迫处理结束后1、3和6 d小麦叶片叶绿素荧光参数、RGB图像参数及高光谱指数的变化规律；使用一元线性回归、随机森林（RF）和人工神经网络（ANN）建立小麦低温胁迫评估模型。【结果】 叶绿素荧光参数DIo/RC可作为评估小麦低温胁迫的指标。在一元线性回归模型中，使用增强型植被指数（EVI）建立的一元线性回归模型效果最佳，回归方程为y=-1.261x+1.401，决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）、平均相对误差（MRE）分别为0.536、0.058、0.045和11.31%。在RF和ANN模型中，基于RGB图像参数建立的模型精度高于基于高光谱指数建立的模型，RF模型测试集R2、RMSE、MAE、MRE分别为0.771、0.042、0.033、8.57%,R2相比一元线性回归模型提高43.78%,RMSE、MAE、MRE分别降低28.31%、28.06%、24.21%;ANN模型测试集R2、RMSE、MAE、MRE分别为0.742、0.046、0.037、9.01%，测试集R2相比一元线性回归模型提高38.34%,RMSE、MAE、MRE分别降低20.33%、18.06%、20.32%。【结论】 基于RGB图像参数的RF模型效果最好、精度最高，可用于小麦的低温胁迫评估。

来源：2025年第1期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2025年第1期