基于4波段作物光譜測量儀的小麥分蘗數預測

張　猛　孫　紅　李民贊　Zhang Qin　鄭立華

(1.中國農業大學現代精細農業系統集成研究教育部重點實驗室， 北京 100083；2.華盛頓州立大學精細農業及農業自動化研究中心， 普羅瑟 99350-8694)

?

基于4波段作物光譜測量儀的小麥分蘗數預測

張猛1,2孫紅1李民贊1Zhang Qin2鄭立華1

(1.中國農業大學現代精細農業系統集成研究教育部重點實驗室， 北京 100083；2.華盛頓州立大學精細農業及農業自動化研究中心， 普羅瑟 99350-8694)

使用4波段(550 nm、650 nm、766 nm和850 nm)便攜式作物反射光譜測量儀對泰農18型冬小麥分蘗狀態進行自動監測與建模，通過分析植被指數與分蘗數的相關關系實現了對分蘗數的建模預測。首先利用儀器獲得小麥冠層在4個波段的反射信號，計算對應波段的作物冠層反射率，經校正后計算得到OSAVI、MSAVI、SAVI、EVI2、TVI、NDGI、NDVI、RVI和DVI 9種多波段組合的植被指數。然后分析以上9種植被指數與小麥分蘗數之間的相關關系，確定了可用于該類型小麥分蘗狀態監測和評價的植被指數類型。2013—2014年在山東省淄博市和桓臺縣開展了田間試驗，計算了不同氮素水平下泰農18型小麥返青期和起身期分蘗數以及其兩個生育期分蘗數與9種植被指數之間的相關系數，OSAVI(650,850)指數與返青期莖蘗數相關系數最高，決定系數最高為0.85,均方根誤差為118.93；EVI2(650,850)指數與起身期莖蘗數相關系數最高，決定系數最高為0.84,均方根誤差為73.04；以上試驗結果表明，在冬小麥返青期和起身期利用OSAVI(650，850)和EVI2(650，850)兩種植被指數可以快速預測小麥分蘗狀態，可為田間精細管理提供科學依據。

小麥; 分蘗數; 冠層反射率; OSAVI; EVI2

引言

冬小麥分蘗數量與成穗率決定了個體發育的健壯程度，進而影響最終產量。目前國內外已經針對小麥分蘗規律展開了大量研究，研究表明在冬小麥返青期至拔節前期，小麥分蘗旺盛，此期間進行良好的田間管理對后期小麥營養生長和生殖生長具有極其重要的意義[1-7]。

但是在田間獲取莖蘗數這一環節上，目前國內仍多采用人工計數方法，費時費力且無法實現自動化，也無法在大規模農田中使用。近年來隨著光譜技術在精細農業生產中的應用推廣，將光譜參數與農學參數相結合，運用先進傳感器獲取作物光譜反射數據，建立基于各種植被指數的小麥分蘗預測模型，為實現對冬小麥分蘗數快速無損在線測量提供了新方法。

在作物光譜先進傳感器領域，國內外學者已經取得了許多實用化成果。美國ASD公司研發了 FieldSpec HH便攜式可見/近紅外光譜儀，其測量的波長范圍為325～1 075 nm，光譜分辨率1 nm。主要用于在線監測作物冠層高光譜數據[8]；俄克拉荷馬州立大學與美國N-tech公司研制成功GreenSeeker冠層光譜反射率測量裝置，利用656 nm和770 nm光源交替發光可以較為準確地獲取作物冠層在兩個波段的反射率，并計算得到作物NDVI指數[8-9]；朱艷等[10-12]設計開發了用于作物生長信息監測的雙波段傳感器并對小麥生長監測進行了驗證；李修華等[13-14]研發了分別基于日光的2波段和4波段作物反射光譜測量儀，可以實時獲得作物冠層反射率，計算NDVI、RVI等植被指數，并對小麥、水稻作物建立了營養診斷模型。國內外學者，應用上述儀器在小麥、玉米等作物氮素、葉綠素含量等營養指標檢測中取得了豐碩的成果[10-16]。

在運用植被指數預測小麥莖蘗數方面，國內外學者也進行了相關研究。PHILLIPS等[17]采用NDVI指數對冬小麥莖蘗數預測進行了初步探索，并為變量施肥處方提供了決策依據；FLOWERS等[18-19]利用NDVI、RVI、DVI、SAVI等多種植被指數和彩紅外航片對冬小麥莖蘗數進行了預測；吳軍華等[20]研究了NDVI和RVI指數與冬小麥生長前期的分蘗相關關系，得到了初步的相關模型。

以上研究表明，利用已有的作物光譜傳感儀器快速監測評價小麥分蘗狀態是可行的。由于冬小麥前期(開花期前)營養生長旺盛，在此階段對莖蘗數進行監測具有更重要意義，因此本文選擇返青期和起身期冬小麥分蘗作為研究對象。采用光譜測量儀器對返青期和起身期冬小麥冠層進行光譜掃描，并計算多個植被指數，通過分析不同植被指數與冬小麥分蘗數相關關系，篩選出冬小麥不同生長期的最佳檢測指數和響應波段組合，最后建立冬小麥莖蘗數快速在線預測模型。通過該模型可以實時快速檢測冬小麥不同生長期分蘗情況，并為進一步開發冬小麥莖蘗數在線檢測儀提供依據和支撐。

1　材料與方法

1.1試驗區域

于2013年10月—2014年6月在淄博市農業科學院試驗農場(118.002 103°E，36.904 988 84°N)進行試驗。試驗設1個品種和5個施氮水平，3次重復，共計15個小區。采用裂區設計(表1)，試驗品種為泰農18，小區設不同等級施氮水平(N)：N1、N2、N3、N4、N5，施氮量分別為0、84.375、168.75、253.125、337.5 kg/hm2。50%作基肥，在播種前施入；50%作追肥，在拔節期施入。小區面積為1.5 m×10 m，行道寬0.5 m。此外，基施P2O5肥料195 kg/hm2和K2O肥料127.5 kg/hm2，在0～60 cm土層土壤含水率降到最大持水量的50%時澆水。其他管理同大田高產栽培管理。同時試驗期間觀察小麥長勢情況，記錄環境溫濕度和蟲病情況。

表1　試驗設計Tab.1　Field experiment design

1.2作物冠層光譜數據測量

試驗于2014年3月初小麥返青期和2014年4月初起身期各進行一次。作物冠層光譜測量采用中國農業大學自主研發的4波段8通道作物反射光譜測量儀[11]。原理圖如圖1所示。

測量儀分為兩部分：測量節點和手持終端，測量節點與手持終端之間采用ZigBee無線傳輸。其中測量節點可以同時檢測550 nm(綠光G)、650 nm(紅光R)、766 nm(紅光R)、850 nm(近紅外NIR)4個波段的太陽光入射光和植被反射光。手持終端采用32位嵌入式中央控制器，可以實時計算出4個波段的作物反射率[11]。針對15個小區，每個試驗小區隨機選擇3個1 m×1 m樣方作為重復，選擇樣方中心位置進行冬小麥冠層掃描。試驗時，測量節點距小麥冠層約50 cm，節點與冠層保持平行，采集數據前對測量儀進行白板標定，盡可能減小太陽光變化對光譜數據產生的影響。試驗共采集得到45組數據。基于測定的4個波長處反射率，組合計算了9種植被指數，計算公式如表2所示。

圖1　作物反射光譜測量儀測量原理示意圖Fig.1　Diagram of crop reflectance measuring instrument

表2　光譜植被指數Tab.2　Spectral vegetation indices

注：VNIR、VR、VG分別代表相應波段范圍內近紅外、紅光、綠光的反射率。

1.3冬小麥莖蘗數采集

該試驗田共15個小區，每個小區隨機選取3個點。每個采集點使用“十萬分之一樣段法”，即采用0.1 m2樣段。小區苗行間距20 cm，因此樣段長50 cm。在樣段兩端作標記，然后以一端為起點，逐一數出樣段內小麥莖蘗數。每個樣段測量均為每點雙行，分別計數，計算平均值為該樣段總莖蘗數。總共采集得到45組數據。

2　結果與分析

2.1不同氮素水平下冬小麥莖蘗數變化趨勢

通過2次試驗，返青期與起身期不同施氮水平下莖蘗數的均值對比如圖2所示。返青期和起身期不同施氮水平下莖蘗數詳細統計結果如表3所示。

圖2　冬小麥返青期與起身期不同施氮水平下莖蘗數的平均值對比Fig.2　Average quantities of tillers in re-greening and erecting stages under different nitrogen levels

通過圖1知，冬小麥返青期和起身期的分蘗受施氮水平影響很大，隨著施氮量的不斷提高，冬小麥總莖蘗數呈現出先增加后減少的“單峰”型。這可能是因為氮素作為合成葉綠素及相關光合作用酶的主要元素，供給較少時，作物長勢孱弱，分蘗少或無分蘗；供給過多時，冬小麥也并沒有增加分蘗。

通過表3知，整塊試驗田莖蘗數變異系數范圍為[0.073,0.138]，標準差范圍[69.6,214.9]，均在統計學可接受范圍內，數據可靠。

綜合圖2和表3知，各施氮水平下起身期小麥分蘗數比返青期分蘗數均分別降低了40%～50%，且均在N3水平下達到最大分蘗數。這可能是因為隨著冬小麥的發育，生長和營養中心發生轉移，已經生成的分蘗逐漸“兩極分化”：早生分蘗繼續發育成穗，而晚生分蘗和小蘗成為無效蘗逐漸凋亡淘汰，最終導致分蘗數下降。同時合理的施氮量能促進分蘗的發生，過少或過多均不利于分蘗進行。

表3　冬小麥返青期和起身期不同施氮水平下 莖蘗數結果Tab.3　Tillers of winter wheat in re-greening and erecting stages under different nitrogen levels 　個/m2

2.2不同氮素水平下植被指數分布特征

計算不同氮素水平下各植被指數的平均值，結果如表4所示。

分析表4數據可知：返青期和起身期各植被指數在不同氮素水平下均呈現“單峰”型變化曲線，即隨著施氮量的增加，各植被指數先增大后減小。這與前述不同氮素水平下莖蘗數的變化規律吻合，間接地證明了所采集光譜數據的有效性。

表4　不同氮素水平下植被指數平均值Tab.4　Average value of vegetation index under different nitrogen levels

注：表中(650,850)表示9種植被指數在(650,850)波段組合下的平均值，下同。

2.3冬小麥植被指數與莖蘗數的相關性分析

通過表3和表4可以定性地得到冬小麥返青期和起身期莖蘗數與各植被指數之間具有相關性的結論。然后計算二者相關系數，定量地描述二者相關關系，結果如表5所示，9種植被指數與兩個生育期莖蘗數均有較高相關性。

通過表5可知：在返青期，同一波段組合植被指數與莖蘗數的相關系數由大到小依次為：OSAVI、MSAVI、NDVI、EVI2，而NDGI、DVI、SAVI、TVI、RVI這5種參數較前4種較低，且相差不大。這可能是因為在返青期，群體覆蓋度較低，土壤背景噪聲為主要噪聲來源，大氣條件、太陽角、地形等噪聲來源為次要噪聲來源，OSAVI能比較好地濾除土壤背景噪聲，而其他幾種植被指數對主要噪聲來源濾除不夠，這與前人研究結果相同[17]。在起身期，同一波段組合植被指數與莖蘗數的相關系數由大到小依次為：EVI2、OSAVI、MSAVI、NDVI。EVI2指標敏感性提高，這可能是因為進入起身期，雖然莖蘗數下降，但是早生蘗和壯蘗生長較好，各器官生物量累積，EVI2對作物群體生物量較為敏感同時還減少了背景和大氣噪聲影響，故其與莖蘗數相關系數較返青期高。其他植被指數在該階段受土壤背景噪聲和大氣影響仍較為明顯，對植被覆蓋敏感度不夠，不適宜用于本階段監測。同一種植被指數，(650,850)組合優于(650,766)組合，這可能是因為850 nm波長處于植被近紅外反射“平臺”處，反射率很高且穩定，而766 nm波長處于植被反射“紅邊”處，反射率不穩定受周圍環境影響較大，這與前人研究結果相同[14]。

表5　植被指數與莖蘗數之間的相關性分析Tab.5　Coefficient of determination between vegetation index and tillers

注：**表示在0.01水平上顯著相關。

綜上，在不同生育期，冬小麥群體密度差異較大，不同植被指數對莖蘗數的敏感性不同，因此接下來針對兩個生育期分別建立冬小麥莖蘗數預測模型。

2.4冬小麥返青期與起身期莖蘗數預測模型

根據上述試驗數據與結論，同時結合嵌入式系統開發及快速在線檢測需求，優選OSAVI(650,850)作為參數對返青期莖蘗數進行一元線性回歸，EVI2(650,850)作為參數對起身期莖蘗數進行一元線性回歸。利用建模集35個采樣點，驗證集10個采樣點，分別建立返青期和起身期莖蘗數與相關植被指數預測模型為

y1=3 102.4x1-408.62

(1)

y2=1 457.9x2+28.451

(2)

式中y1——冬小麥返青期莖蘗數預測值

x1——OSAVI(650，850)參數值

y2——冬小麥起身期莖蘗數預測值

x2——EVI2(650,850)參數值

圖3　返青期莖蘗數預測值與實測值建模結果Fig.3　Correlation between measured tillers and predicted tillers in re-greening stage

圖4　起身期莖蘗數預測值與實測值建模結果Fig.4　Correlation between measured tillers and predicted tillers in erecting stage

結果表明，應用該作物反射光譜測量儀針對泰農18小麥在返青期和起身期分別采用OSAVI(650，850)和EVI2(650，850)指數均可對莖蘗數進行較高精度的預測。未來研究將繼續針對不同株型品種冬小麥作物的分蘗數進行多年份的連續試驗和光譜學診斷研究，繼續驗證并提高模型適用性。將模型嵌入到儀器中央控制器中，并結合前期作物營養診斷模型，設計成小麥莖蘗數和營養指標復合參數的快速診斷儀。

3　結論

(1)通過對泰農18冬小麥分區試驗可知，相同播種情況下，氮肥施用量顯著影響冬小麥分蘗數，在返青期和起身期，過多或過少施用氮素均會降低分蘗的生長，本試驗中最佳氮肥使用量為N3(168.75 kg/hm2) 左右。

(2)試驗分析了OSAVI、MSAVI、EVI2、NDVI、NGVI、RVI、DVI、TVI這9種指數與泰農18冬小麥莖蘗數相關關系，結果表明在返青期分蘗旺盛時，采用OSAVI(650,850)指數進行回歸分析，其決定系數最高達到0.85,均方根誤差為118.93，預測精度較高；在起身期，優先考慮應用EVI2(650,850)指數進行回歸分析，其決定系數最高達到0.84,均方根誤差為73.04，預測精度較高。

(3)在冬小麥返青期和起身期，(650,850)波段組合能比較好地反映植被指數與分蘗情況的相關關系，為基于光譜反射原理的冬小麥莖蘗數在線檢測儀器的設計與應用提供了依據和支撐，未來還將對多種冬小麥品種進行多年份測試驗證以提高系統適用性。

1楊邦杰, 裴志遠. 農作物長勢的定義與遙感監測[J].農業工程學報,1999, 15(3):214-218.

YANG Bangjie, PEI Zhiyuan. Definition of crop condition and crop monitoring using remote sensing[J].Transactions of the CSAE, 1999, 15(3):214-218.(in Chinese)

2李春喜,趙廣才,代西梅，等. 小麥分蘗變化動態與內源激素關系的研究[J]. 作物學報, 2000, 26(6):963-968.

LI Chunxi, ZHAO Guangcai,DAI Ximei, et al.Research on the relationship between wheat tillering dynamics and endogenous hormone[J].Acta Agronomica Sinica,2000,26(6):963-968.(in Chinese)

3高爾明,趙全志,劉華山,等. 砂姜黑土小麥分蘗成穗及其調控研究[J]. 土壤通報, 2001,32(3):140-142.

GAO Erming, ZHAO Quanzhi, LIU Huashan, et al. Regulation of tillering of wheat grown in Shajiang black soil[J].Chinese Journal of Soil Science, 2001,32(3):140-142.(in Chinese)

4李建民. 小麥分蘗葉、穗的生育特征與成穗的關系[J].中國農業大學學報, 1997, 2(5):79-84.

LI Jianmin. Leaf-blade growth and ear development of tillersand their survivals in wheat plants[J].Journal of China Agricultural University, 1997,2(5):79-84.(in Chinese)

5郭春強, 靳文奎, 廖平安. 小麥分蘗盛期生育指標的研究[J]. 小麥研究, 2004, 25(2):21-23.

GUO Chunqiang, JIN Wenkui, LIAO Ping’an. The research of wheat tillers index in core stages[J].Journal of Wheat Research, 2004, 25(2):21-23.(in Chinese)

6趙昌平, 郭曉維, 張風廷,等. 從不同營養生長積溫分蘗間的差異探討小麥分蘗成穗的生理原因[J]. 華北農學報, 1996, 11(3):35-40.

ZHAO Changping,GUO Xiaowei,ZHANG Fengting， et al.Physiological mechanism of wheat tillering and earing under different accumulated temperature in the vegetative growth period[J].Acta Agricultural Boreali-Sinica，1996, 11(3):35-40.(in Chinese)

7陳瀚閱, 牛錚, 黃文江, 等. 基于熱點植被指數的冬小麥葉面積指數估算[J].農業工程學報，2012，28(1):167-172.

CHEN Hanyue, NIU Zheng, HUANG Wenjiang, et al. Estimation of winter wheat LAI using hotspot-signature vegetation indices[J].Transactions of the CSAE,2012, 28(1):167-172.(in Chinese)

8魏士平, 陳彥, 王秀, 等.基于主動光源的歸一化植被指數測定系統研究[J].農機化研究, 2012, 34(12):170-173.

WEI Shiping, CHEN Yan,WANG Xiu, et al. Study on NDVI measuring system based on active light source[J]. Journal of Agricultural Mechanization Research, 2012, 34(12):170-173.(in Chinese)

9胡玲燕, 王秀, 韓應征. 光傳感器變量施肥控制系統開發[J]. 農機化研究, 2010, 32(11):91-94.

HU Lingyan, WANG Xiu, HAN Yingzheng. Development on control system of variable rate fertilizer application based on optical sensor[J]. Journal of Agricultural Mechanization Research, 2010, 32(11):91-94.(in Chinese)

10倪軍, 王婷婷, 姚霞, 等.作物生長信息獲取多光譜傳感器設計與試驗[J].農業機械學報，2013,44(5):207-212.

NI Jun, WANG Tingting, YAO Xia, et al. Design and experiments of multi-spectral sensor for rice and wheat growth information[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(5):207-212.(in Chinese)

11楊建寧, 張井超, 朱艷,等.便攜式作物生長監測診斷儀性能試驗[J].農業機械學報，2013,44(4):208-212,201.

YANG Jianning, ZHANG Jingchao, ZHU Yan, et al. Experiments on performance of portable plant growth monitoring diagnostic instrument[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(4):208-212,201.(in Chinese)

12姚霞, 劉小軍, 王薇，等.小麥氮素無損監測儀敏感波長的最佳波段寬度研究[J].農業機械學報，2011,42(2):162-167.

YAO Xia, LIU Xiaojun, WANG Wei, et al. Optimal bandwidths of sensitive bands for portable nitrogen monitoring instrument in wheat[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(2):162-167.(in Chinese)

13李修華, 李民贊, 崔迪，等.基于雙波段作物長勢分析儀的東北水稻長勢監測[J].農業工程學報,2011, 27(8):206-210.

LI Xiuhua, LI Minzan, CUI Di, et al. Monitoring of rice plant in Northeast China using dual-wavebands crop growth analyzer[J]. Transactions of the CSAE, 2011, 27(8):206-210.(in Chinese)

14鐘振江, 李民贊, 孫紅,等.作物營養智能檢測儀設計與試驗[J].農業機械學報, 2013, 44(增刊2):215-219.

ZHONG Zhenjiang, LI Minzan, SUN Hong, et al. Development and application of a smart apparatus for detecting crop nutrition[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp.2):215-219.(in Chinese)

15趙毅, 文瑤, 孫紅, 等. 小麥冠層營養診斷光譜檢測儀設計與試驗[J]. 農業機械學報, 2015, 46(增刊):222-227.

ZHAO Yi, WEN Yao, SUN Hong, et al. Design and test of nutrition diagnosis system for wheat canopy based on spectroscopy[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.):222-227.(in Chinese)

16范夢揚, 馬欽, 劉峻明, 等.基于機器視覺的大田環境小麥麥穗計數方法[J]. 農業機械學報, 2015, 46(增刊):234-239.

FAN Mengyang, MA Qin, LIU Junming, et al. Counting method of wheatear in field based on machine vision technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(Supp.):234-239.(in Chinese)

17PHILLIPS S B, KEAHEY D A, WARREN J G, et al. Estimating winter wheat tiller density using spectral reflectance sensors for early-spring, variable-rate nitrogen applications[J]. Agronomy Journal, 2004, 96(3):591-600.

18FLOWERS Michael, WEISZ Randall, HEINIGER Ronnie. Remote sensing of winter wheat tiller density for early nitrogen application decisions[J]. Agronomy Journal, 2001, 93(4):783-789.

19FLOWERS Michael, WEISZ Randall, HEINIGER Ronnie. Quantitative approaches for using color infrared photography for assessing in-season nitrogen status in winter wheat[J].Agronomy Journal,2003, 95(5):1189-1200.

20吳軍華, 岳善超, 侯鵬,等.基于主動遙感的冬小麥群體動態監測[J].光譜學與光譜分析，2011, 31(2):535-538.

WU Junhua,YUE Shanchao,HOU Peng, et al.Monitoring winter wheat population dynamics using an active crop sensor[J].Spectroscopy and Spectral Analysis,2011, 31(2):535-538.(in Chinese)

21RONDEAUX G, STEVEN M, BARET F. Optimization of soil adjusted vegetation indices[J]. Remote Sensing of Environment, 1996, 55(2): 95-107.

22JIANG Z, HUETE A R, DIDAN K, et al. Development of a two-band enhanced vegetation index without a blue band[J]. Remote Sensing of Environment, 2008, 112(10):3833-3845.

23GITELSON A A, KAUFMAN Y J, MERZLYAK M N. Use of a green channel in remote sensing of global vegetation from EOS-MODIS[J]. Remote Sensing of Environment, 1996, 58(3):289-298.

24QI J, CHEHBOUNI A, HUETE A, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994, 48(2):119-126.

25HUETE A R. A soil-adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment, 1988, 25(3): 295-309.

26JOHN G L, DING Y, ROSS S L, et al. A change detection experiment using vegetation indices [J]. Photogrammetric Engineering & Remote Sensing, 1998, 64(2): 143-150.

27ROUSE J, HAAS R, SCHELL J A, et al. Monitoring vegetation systems in the great plains with ERTS[C]∥Proceedings of the Third Earth Resources Technology Satellite- 1 Symposium, NASA, 1974.

28HUNT E R, ROCK B. Detection of changes in leaf water content using near and middle-infrared reflectance[J]. Remote Sensing of Environment, 1989,30(1): 43-54.

Prediction of Winter Wheat Tiller Number Based on 4-waveband Crop Monitor with Spectral Reflectance

Zhang Meng1,2Sun Hong1Li Minzan1Zhang Qin2Zheng Lihua1

(1.KeyLaboratoryofModernPrecisionAgricultureSystemIntegrationResearch,MinistryofEducation,ChinaAgriculturalUniversity,Beijing100083,China2.CenterforPrecisionandAutomatedAgriculturalSystems,WashingtonStateUniversity,ProsserWA99350-8694,USA)

The number of tillers has a significant effect on the winter wheat field management and the prediction of winter wheat yield. However，the traditional manual counting method of the tiller counting is inefficient. With the development of spectral technology and the application of low altitude remote sensing technology in agriculture, a method was provided for monitoring the number of tillers and growth of the winter wheat by calculating crop canopy reflectance and vegetation index. A 4-waveband crop monitor with spectral reflectance was used to carry on the experiment (Tainong 18). The instrument can obtain the crop canopy reflecting signals at 550 nm, 650 nm, 766 nm and 850 nm simultaneously. After that the crop canopy reflectance was first calculated and then nine vegetation indexes: OSAVI, MSAVI, SAVI, EVI2, TVI, NDGI,NDVI, RVI and DVI, were also calculated. The relationship between the tillering of winter wheat and each index of nine vegetation indexes was analyzed in both regreening and erecting stages. In regreening stage, the correlation between OSAVI(650,850)and tillers was the highest (R2is 0.85, RMSE is 118.93), while in erecting stage, the correlation between EVI2(650,850)and tillers was the highest (R2is 0.84, RMSE is 73.04). The results of the test showed that there was a significant relationship between the winter wheat tillers and the two vegetation indexes. This may help the development of the instrument for winter wheat tillers counting based on canopy spectral reflection. The conclusions can be used in rapid predicting of wheat tillering and giving suggestions to field precision management.

wheat; tiller number; canopy spectral reflectance; OSAVI; EVI2

10.6041/j.issn.1000-1298.2016.09.046

2016-02-29

2016-03-29

國家自然科學基金項目(31501219)、公益性行業(農業)科研專項(201303109)和國家留學基金委公派研究生項目(201406350177)

張猛(1988—)，男，博士生，主要從事作物長勢信息感知與獲取研究，E-mail： caupac_zm@cau.edu.cn

李民贊(1963—)，男，教授，博士生導師，主要從事精細農業系統集成研究，E-mail： limz@cau.edu.cn

O657.3; S126

A

1000-1298(2016)09-0341-07