現(xiàn)代農業(yè)研發(fā)計劃涉及對分布在廣闊試驗田的大量地塊評估。因此，勞動密集型的手動測量已經不能滿足收集和評估作物各生育時期數(shù)據(jù)需求，基于無人機的高通量表型平臺（High Throughput Phenotyping platforms，HTTP）的重要性日益增長。

本研究旨在探索和驗證基于HTTP對三種作物（面包小麥、大麥和燕麥）不同灌溉條件下預測其抽穗期（date of heading，HD）和成熟期（date of maturity，MD）的可行性，特別是從傳統(tǒng)RGB圖像中獲得的植被指數(shù)（Vegetation Indexes, VIs）預測潛力。

為了準確預測DH和DM，在整個作物生長周期中進行了9次數(shù)據(jù)采集，并且基于VIs成功開發(fā)了DH和DM預測模型。結果表明，基于植被指數(shù)可以準確地預測重要生育期，尤其是灌漿期。分別構建面包小麥和燕麥預測模型可解釋面包小麥65%的變異和燕麥75%的變異；在兩種灌溉條件（灌溉和旱作）下解釋的方差百分比最高。然而，將此模型應用于大麥時，其解釋方差百分比下降（DH的R²<0.5）。另外，將最終株高作為預測模型訓練集時僅增加了灌溉條件下面包小麥的預測精度。此外，基于多時態(tài)方程（融合了來自不同無人機采集的數(shù)據(jù)）顯著提高了模型預測精度（DH預測提高了160.71%），特別是灌溉條件下特定作物的模型。

本研究以RGB圖像提取的植被指數(shù)作為作物生育時期的預測因子，探討了不同作物預測模型在不同灌溉條件下的表現(xiàn)。另外，本研究建立了基于無人機衍生數(shù)據(jù)構建作物生育時期預測模型的全面工作流程，大大推動了基于無人機的高通量表型技術在開發(fā)作物新品種、改進農藝措施和精準農業(yè)實踐等領域的發(fā)展。

圖1. 預測抽穗期和成熟期的數(shù)據(jù)采集流程圖和模型闡述

圖2. 箱線圖顯示了基于單個和組合植被指數(shù)構建預測模型的R²

圖3. 基于R²和RSME對小麥、大麥和燕麥的抽穗期預測天數(shù)和實際天數(shù)進行回歸分析，以評估每種作物的最佳模型(A：灌溉；B：旱作)

圖4. 基于R²和RSME對小麥、大麥和燕麥的成熟期預測天數(shù)和實際天數(shù)進行回歸分析，以評估每種作物的最佳模型(A：灌溉；B：旱作)

圖5. 基于本研究方案構建作物生育時期模型的建議步驟