Predicting grain yield in wheat using UAV multispectral and ground based vegetation indices

利用无人机（UAV）多光谱影像进行高通量表型分析，为预测不同播种条件下的小麦产量提供了一种有前景的方法。本研究评估了基于无人机的植被指数与GreenSeeker手持传感器在估算13个面包小麦基因型产量相关性状方面的有效性。基于无人机的多光谱指数——归一化差异植被指数（NDVI）、绿色归一化差异植被指数（GNDVI）、归一化差异红边指数（NDRE）和简单比值（SR）——来源于使用MicaSense Altum-PT传感器获取的多光谱影像，涵盖两个生育阶段[适期播种为播种后52天和79天（DAS）；晚播为16天和43天]。同时，使用GreenSeeker手持传感器记录NDVI，以便与无人机获取的NDVI进行直接比较。无人机获取的指数与生物产量（BY）、籽粒产量（GY）和千粒重（TGW）的相关性始终更强，尤其在开花期。GNDVI和SR成为预测BY和GY的最优指数，而TGW与早期阶段指数的关联更强。GreenSeeker NDVI的相关性较弱，且在不同生育阶段和播种条件下一致性较差。Phule Samadhan、MACS 2496和GS 4042等基因型在晚播热胁迫下表现出较强的适应性，始终维持较高的植被指数值。基于无人机的多光谱成像在预测关键产量性状和检测胁迫下基因型间变异方面优于手持传感器。统计分析和多变量分析（方差分析、主成分分析和热图可视化）揭示了植被指数中明显的基因型间变异，有效区分了不同播种环境下高活力小麦基因型和胁迫敏感型小麦基因型。这些发现凸显了基于无人机的多光谱成像作为一种稳健、高效且可扩展的表型分析工具，可用于鉴定耐逆和高产基因型，并强调了物候 timing 和最优指数选择在育种和精准农业中的重要性。