河南作為小麥玉米的主要產(chǎn)糧區(qū)，對小麥玉米方面的研究頗為深入。針對小麥灌漿期易受天氣等因素影響，造成小麥倒伏的情況，需快速準(zhǔn)確評估作物倒伏災(zāi)情狀況，需及時(shí)獲取倒伏發(fā)生位置及面積等信息。

目前基于無人機(jī)遙感識別作物倒伏缺乏相應(yīng)的技術(shù)標(biāo)準(zhǔn)，不利于規(guī)范無人機(jī)數(shù)據(jù)獲取流程和提出問題解決方案。河南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，教育部作物生長發(fā)育調(diào)控重點(diǎn)實(shí)驗(yàn)室，省部共建小麥玉米作物學(xué)國家重點(diǎn)實(shí)驗(yàn)室聯(lián)手組成了馮偉科研團(tuán)隊(duì)，旨在探討不同空間分辨率無人機(jī)遙感影像及特征優(yōu)化方法對小麥倒伏區(qū)域識別精度的影響。

在小麥倒伏后設(shè)置3個(gè)飛行高度(30、60和90 m)，獲取不同空間分辨率(1.05、2.09和3.26 cm)的數(shù)字正射影像圖(Digital Orthophoto Map，DOM)和數(shù)字表面模型(Digital Surface Model，DSM)，從不同空間分辨率影像中分別提取5個(gè)光譜特征、2個(gè)高度特征、5個(gè)植被指數(shù)以及40個(gè)紋理特征構(gòu)建全特征集，并選擇3種特征選擇方法(ReliefF算法、RF-RFE算法、Boruta-Shap算法)篩選構(gòu)建特征子集，進(jìn)而利用3種面向?qū)ο蟊O(jiān)督分類方法——支持向量機(jī)(Support Vector Machine，SVM)、隨機(jī)森林(Random Forest，RF)和K最近鄰(K Nearest Neighbor，KNN)構(gòu)建小麥倒伏分類模型，明確適宜的分類策略，確立倒伏分類技術(shù)路徑。

結(jié)果表明，SVM的分類效果整體優(yōu)于RF和KNN，當(dāng)影像空間分辨率在1.05~3.26 cm范圍內(nèi)變化時(shí)，全特征集和3種優(yōu)化特征子集均以1.05 cm分辨率的分類精度最高，優(yōu)于2.09和3.26 cm。比較發(fā)現(xiàn)，Boruta-Shap特征優(yōu)化方法既能實(shí)現(xiàn)降維和提高分類精度的目標(biāo)，又能適應(yīng)空間分辨率的變化，當(dāng)影像分辨率為3.26 cm時(shí)，總體分類精度相較1.05和2.09 cm分別降低了1.81%和0.75%;當(dāng)影像分辨率為2.09 cm時(shí)，總體分類精度相較1.05 cm降低了1.06%，表現(xiàn)為不同飛行高度下的分類精度相對差異較小，90 m總體分類精度可達(dá)到95.6%，Kappa系數(shù)達(dá)到0.914，滿足了對分類精度的需求。

通過選擇適宜的特征選擇方法，不僅可以兼顧分類精度，還能有效縮小影像空間分辨率變化引起的倒伏分類差異，有助于提升飛行高度，擴(kuò)大小麥倒伏監(jiān)測面積，降低作業(yè)成本，為確立作物倒伏信息獲取策略及小麥災(zāi)情評估提供參考及支持。

此外，在小麥灌漿期，需進(jìn)行水肥管理才能高產(chǎn)。

①水肥協(xié)調(diào)供應(yīng)：水分和營養(yǎng)物質(zhì)的供應(yīng)對于小麥的正常生長至關(guān)重要。一方面，要保證灌漿期小麥的土壤濕度，及時(shí)補(bǔ)充水分;另一方面，要合理施肥，供給足夠的氮、磷、鉀等營養(yǎng)元素。水肥協(xié)調(diào)供應(yīng)，才能滿足小麥生長的需要。

②合理施肥：適量的施肥有利于小麥的高產(chǎn)。遵從過猶不及的原則，避免過度施肥滋生病蟲害。合理施肥，根據(jù)小麥的需求量和土壤的狀況來進(jìn)行施肥。

③注意排水：小麥灌漿期是雨水較多的季節(jié)，水分過多會(huì)影響小麥的正常生長。因此，在灌漿期，要注意排水，及時(shí)清理積水，保證土壤透氣性，避免小麥生長缺氧。

④密切觀察：密切觀察小麥的生長狀況，及時(shí)發(fā)現(xiàn)問題，及時(shí)采取措施。例如，發(fā)現(xiàn)小麥出現(xiàn)缺氧、疏菜、長勢不佳等情況時(shí)，應(yīng)及時(shí)調(diào)整水肥管理措施，保證小麥的正常生長。