文献类型： 中文期刊

作者： 王多霞 ¹ ; 李雷 ¹ ; 费帅鹏 ¹ ; 付雪丽 ¹ ; 肖永贵 ¹ ; 孙海艳 ¹ ; 陶志强 ¹ ; 孟亚雄 ¹ ;

作者机构： 1.甘肃农业大学农学院;中国农业科学院作物科学研究所;中农发种业集团股份有限公司

关键词： 小麦;叶绿素含量;多源数据融合;机器学习

期刊名称： 核农学报

ISSN： 1000-8551

年卷期： 2024 年 08 期

页码： 1476-1486

收录情况： 北大核心 ; CSCD

摘要： 精准预测小麦旗叶中的叶绿素含量（SPAD值）是衡量品种持绿和高光效高产特性的重要方式。为提高小麦SPAD值的预测精度，本试验以中麦578/济麦22重组近交系（RIL）-F8代群体为试验材料，设置正常灌溉和节水灌溉两种水分处理，结合无人机多源传感器融合以及5种机器学习算法和集成方法，预测不同家系在灌浆中后期（花后28 d）的SPAD值，并通过筛选持绿和非持绿性家系，探究灌浆中后期SPAD值与籽粒产量的关系。结果表明，花后28 d旗叶SPAD值和籽粒产量呈正相关（相关系数为0.59）；在节水灌溉处理下，小麦旗叶SPAD值和籽粒产量均显著降低。基于多源数据融合的集成方法预测旗叶SPAD值精度优于单一模型。结合不同水分处理下的家系籽粒产量数据发现，受水分胁迫不敏感的10个持绿高产家系中ZJ-16家系持绿、高产效应明显。该研究为田间快速无损监测小麦叶绿素含量提供了一种方便、灵活和有效的方法，为小麦抗旱、高光效育种提供了理论依据和技术支撑。