基于源-库理论与无人机多光谱影像的冬小麦籽粒碳氮积累动态预测研究

作者及发表信息

本研究由Zehua Fan（河南农业大学农学院/小麦玉米双高产高效生产国家重点实验室/北京市农林科学院信息技术研究中心）、Cuiping Liu、Fengyuan Yu等学者合作完成，通讯作者为Xinming Ma、Xiaohe Gu和Shuping Xiong。研究成果发表于《Computers and Electronics in Agriculture》期刊2026年第240卷，文章编号111228。

学术背景

研究领域与科学问题

本研究属于农业信息学与作物生理学的交叉领域，聚焦冬小麦籽粒碳氮积累动态监测这一关键科学问题。传统破坏性取样方法存在耗时、成本高、难以大规模应用等缺陷（如H₂O₂-H₂SO₄消化法需实验室分析），而现有遥感模型多依赖统计关系，缺乏对源-库（source-sink）动态互作机制的解析。

理论基础

源-库理论（source-sink theory）是核心理论框架： - 源器官（source organs）：开花期功能叶、茎鞘等通过光合作用和氮同化产生碳水化合物与有机氮化合物 - 库器官（sink organs）：灌浆期穗部籽粒负责同化物的储存转化，最终决定产量和蛋白质含量 研究表明，当作物源强（source strength）充足但库容（sink capacity）不足时，产量和品质均受限制（Hay, 2008）；反之大库容配合低源强也会限制最终积累量（Borrás et al., 2004）。

研究目标

1. 探究开花期农艺参数（APS）与籽粒碳氮积累的源-库关系
2. 开发基于无人机多光谱影像的冬小麦籽粒碳氮积累预测模型
3. 验证模型在多个生长季的时间可转移性

研究方法与流程

实验设计与数据采集（2012-2024年）

采用裂区设计，主因素为4种品质类型冬小麦品种（强筋、中强筋、中筋、弱筋），副因素为4个氮肥梯度（0、120、225、330 kg/ha）。在河南原阳（113.94°E,35.11°N）和许昌（113.81°E,34.14°N）两个试验点开展两年定点试验，共计232个样方。

关键数据采集流程： 1. 物候信息：标记50%以上开花的小麦穗并记录开花时间 2. 冠层光谱：使用DJI Matrice 300 RTK搭载MS600pro六波段多光谱相机（450-840nm）在开花期获取影像，飞行高度40m，分辨率1.2MP 3. 农艺参数测量： - 开花期地上部生物量（AGB）和植株氮积累量（PNA）：每样方随机取10株，经H₂O₂-H₂SO₄消化后用AA3 HR自动分析仪测定 - 籽粒参数：从开花后7天（7 DAA）开始，每样方取20个标记穗，测定籽粒重量积累（GWA）、籽粒氮积累（GNA）和籽粒氮含量（GNC）

模型构建方法

1. 动态参数化模型：

   • 采用分段普通最小二乘回归（piecewise OLSR）分析时间动态
   • 建立开花期APS与籽粒参数的动态关系： GWAi = kgwa,i × AGBA + bgwa,i GNAi = kgna,i × PNAA + bgna,i
   • 通过二次函数拟合参数k、b与DAA的关系（R²=0.96-0.99）

2. 遥感反演框架：

   • 特征选择：结合Pearson相关分析与连续投影算法（SPA）筛选植被指数（VIs），将37个VIs缩减至7个（AGB）和2个（PNA）
   • 建模方法对比：PLSR、SVR、RF、XGBoost四种算法，其中RF+SPA组合精度最高（AGB：R²=0.93；PNA：R²=0.92）

创新方法

1. DAA驱动的分段建模：首次将开花后天数（days after anthesis, DAA）作为物候尺度输入模型，量化源-库动态关系
2. 多光谱特征优化：开发基于OSAVI（优化土壤调整植被指数）的土壤-植被分割算法，采用Otsu阈值优化法消除背景噪声
3. 半机理模型架构：将作物生理过程（源-库转运）与机器学习相结合，优于纯统计模型

主要研究结果

籽粒积累动态规律

1. 时间变化特征：

   • GWA在灌浆后期增长趋缓，而GNA在2022-2023年停滞但在2023-2024年持续增加
   • GNC呈”V”型变化：开花后19天达最低值（因GWA快速增加而GNA缓慢增长），后期因GWA增速减缓而回升

2. 模型验证精度：

   • 地面实测数据验证：
     • GWAD：R²=0.83，NRMSE=23.68%，RPD=2.44
     • GNAD：R²=0.91，NRMSE=21.09%，RPD=3.29
   • 无人机反演验证：
     • GWA：R²=0.86，NRMSE=21.96%
     • GNC：R²=0.70，NRMSE=20.93%

源-库关系解析

1. 开花期APS与籽粒参数的时空关联：

   • AGB与GWA、PNA与GNA在不同DAA均呈显著正相关（p<0.01）
   • 斜率k反映碳氮转运效率，随DAA呈二次函数变化（R²=0.97）

2. 关键预测窗口：

   • GWA预测精度在DAA=25时达到峰值（R²=0.60），对应籽粒最大库容期
   • GNA预测精度随DAA持续提升，反映氮积累的渐进特性

研究结论与价值

科学价值

1. 理论创新：首次将源-库理论应用于无人机遥感模型，建立了开花期冠层指标（AGB、PNA）与籽粒碳氮积累的定量传递关系
2. 方法突破：开发的DAA驱动模型克服了传统Logistic/Richards模型仅依赖物候指标的局限，实现了基于作物生长状态的动态预测

应用价值

1. 精准农业：模型可集成至无人机多光谱系统，实现区域尺度无损监测，为分级收获和加工提供决策支持
2. 品质育种：通过量化碳氮竞争分配模式（GNC动态），辅助高蛋白小麦品种选育
3. 管理优化：识别灌浆关键时间窗口（如19 DAA的GNA转折点），指导精准施肥灌溉

研究亮点

1. 多尺度融合：将生理机制（源-库理论）、物候信息（DAA）与遥感技术（无人机多光谱）创新性结合
2. 动态预测能力：实现从开花期到成熟的连续时间曲线预测，优于传统静态评估方法
3. 技术普适性：模型在4个品种类型和4个氮肥梯度下验证有效，时空可转移性强

局限与展望

1. 气象影响：模型在2022-2023年异常天气下精度波动，需整合IoT环境数据
2. 物候适配性：当前DAA指标跨区域适用性待验证，未来可尝试Zadoks尺度或积温数据
3. 二次源活动：未考虑开花后土壤养分再吸收过程，需通过土壤传感器数据完善模型架构