7月21日，由農(nóng)業(yè)服務(wù)平臺35斗、BV百度風(fēng)投、動脈網(wǎng)等聯(lián)合主辦的“智慧農(nóng)業(yè)沙龍”在北京舉行。

本次沙龍的主題是“智慧農(nóng)業(yè)·數(shù)享未來”，邀請了包括行業(yè)專家/農(nóng)業(yè)大數(shù)據(jù)/無人機/物聯(lián)網(wǎng)/農(nóng)業(yè)集團公司/投資公司等眾多相關(guān)機構(gòu)共同參與，探討了數(shù)字化技術(shù)驅(qū)動下的農(nóng)業(yè)生態(tài)變革。

中國農(nóng)業(yè)科學(xué)院作物所研究員金秀良作了“作物表型研究促進智慧農(nóng)業(yè)發(fā)展”的主題分享，本文據(jù)其分享整理。

中國農(nóng)業(yè)科學(xué)院作物所研究員金秀良

圖/35斗攝

在分享之前，我先介紹一下什么是精準農(nóng)業(yè)和作物表型：

首先介紹一下研究背景，全球氣候變化和糧食安全問題日益突出。因此，選育具有高產(chǎn)、優(yōu)質(zhì)、高抗和易機械化采收等優(yōu)良性狀的作物新品種已經(jīng)勢在必行。近年來，隨著基因理論和技術(shù)地快速發(fā)展，加快了作物品種的改良。植物表型分析是理解植物基因功能及環(huán)境效應(yīng)的關(guān)鍵環(huán)節(jié)。

當(dāng)前新型的作物表型研究主要有三個方向：圖像算法的表型研究、光譜技術(shù)的表型研究、模型與表型結(jié)合的研究，下面我依次講解。

光學(xué)傳感器和計算機圖像算法的快速發(fā)展，使非破壞性地估算作物表型成為可能。當(dāng)前的圖像特征提取算法具有二值特征（密度估算）、顏色特征 （冠層覆蓋度）、紋理特征 （倒伏和作物分類）三大類特征。

圖像算法的表型研究可以基于無人機RGB影像，應(yīng)用在對小麥苗期植株密度的估算；基于高空間分辨率RGB影像莖稈特征，對小麥穗密度和生物量的估算；使用深度學(xué)習(xí)算法和RGB影像，對小麥穗密度和穗特征的分析；基于無人機RGB影像，對向日葵苗期植株密度的估算，以及向日葵表型實驗的光合，截獲有效分量和綠葉面積指數(shù)的關(guān)系分析；還包括利用無人機RGB和熱紅外影像數(shù)據(jù)，評估水稻的倒伏。

快速發(fā)展的光譜技術(shù)可以用來定量評估作物表型特征參數(shù)。當(dāng)前應(yīng)用的光譜數(shù)據(jù)主要包括：近地面的光譜數(shù)據(jù)、無人機和有人機光譜數(shù)據(jù)、衛(wèi)星光譜數(shù)據(jù)（光學(xué)衛(wèi)星數(shù)據(jù)和合成孔徑雷達數(shù)據(jù)）。

當(dāng)前光譜數(shù)據(jù)的使用特征波段有可見光波段（葉綠素和氮素）、短波近紅外波段（葉面積指數(shù)）、中短波近紅外波段（水分含量和生物量）、熱紅外波段（冠層溫度）、熒光波段（光合、葉綠素和生物量）、SAR波段（5.405 GHz C-band，LAI和生物量）。

為了優(yōu)化作物產(chǎn)量，許多學(xué)者已經(jīng)研究了作物生長和環(huán)境的關(guān)系，并提出了利用作物模型模擬作物的生長狀態(tài)。

經(jīng)過近40年的發(fā)展，作物模型已經(jīng)從最初的作物生長定性模擬，到作物生長的定量模擬，和從單一生長過程的模擬到整個生長過程的模擬。

當(dāng)前這些不斷更新的作物模型可以更好地模擬作物生長狀態(tài)和產(chǎn)量。近來發(fā)展的作物模型可以更好地分析作物對田間管理方式和環(huán)境變化的反饋。

作物生長模型實現(xiàn)作物生長過程的模擬，機理性較強，但模型僅限于單點或者田間尺度模擬，大面積推廣受到限制。數(shù)據(jù)同化方法結(jié)合了作物生長模型在點上、遙感觀測在面上的優(yōu)勢，成為產(chǎn)量監(jiān)測的一個有效手段。