张　猛　孙　红　李民赞　Zhang Qin　郑立华

(1.中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083；2.华盛顿州立大学精细农业及农业自动化研究中心， 普罗瑟 99350-8694)



基于4波段作物光谱测量仪的小麦分蘖数预测

张猛1,2孙红1李民赞1Zhang Qin2郑立华1

(1.中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083；2.华盛顿州立大学精细农业及农业自动化研究中心， 普罗瑟 99350-8694)

使用4波段(550 nm、650 nm、766 nm和850 nm)便携式作物反射光谱测量仪对泰农18型冬小麦分蘖状态进行自动监测与建模，通过分析植被指数与分蘖数的相关关系实现了对分蘖数的建模预测。首先利用仪器获得小麦冠层在4个波段的反射信号，计算对应波段的作物冠层反射率，经校正后计算得到OSAVI、MSAVI、SAVI、EVI2、TVI、NDGI、NDVI、RVI和DVI 9种多波段组合的植被指数。然后分析以上9种植被指数与小麦分蘖数之间的相关关系，确定了可用于该类型小麦分蘖状态监测和评价的植被指数类型。2013—2014年在山东省淄博市和桓台县开展了田间试验，计算了不同氮素水平下泰农18型小麦返青期和起身期分蘖数以及其两个生育期分蘖数与9种植被指数之间的相关系数，OSAVI(650,850)指数与返青期茎蘖数相关系数最高，决定系数最高为0.85,均方根误差为118.93；EVI2(650,850)指数与起身期茎蘖数相关系数最高，决定系数最高为0.84,均方根误差为73.04；以上试验结果表明，在冬小麦返青期和起身期利用OSAVI(650，850)和EVI2(650，850)两种植被指数可以快速预测小麦分蘖状态，可为田间精细管理提供科学依据。

小麦; 分蘖数; 冠层反射率; OSAVI; EVI2

引言

冬小麦分蘖数量与成穗率决定了个体发育的健壮程度，进而影响最终产量。目前国内外已经针对小麦分蘖规律展开了大量研究，研究表明在冬小麦返青期至拔节前期，小麦分蘖旺盛，此期间进行良好的田间管理对后期小麦营养生长和生殖生长具有极其重要的意义[1-7]。

但是在田间获取茎蘖数这一环节上，目前国内仍多采用人工计数方法，费时费力且无法实现自动化，也无法在大规模农田中使用。近年来随着光谱技术在精细农业生产中的应用推广，将光谱参数与农学参数相结合，运用先进传感器获取作物光谱反射数据，建立基于各种植被指数的小麦分蘖预测模型，为实现对冬小麦分蘖数快速无损在线测量提供了新方法。

在作物光谱先进传感器领域，国内外学者已经取得了许多实用化成果。美国ASD公司研发了 FieldSpec HH便携式可见/近红外光谱仪，其测量的波长范围为325～1 075 nm，光谱分辨率1 nm。主要用于在线监测作物冠层高光谱数据[8]；俄克拉荷马州立大学与美国N-tech公司研制成功GreenSeeker冠层光谱反射率测量装置，利用656 nm和770 nm光源交替发光可以较为准确地获取作物冠层在两个波段的反射率，并计算得到作物NDVI指数[8-9]；朱艳等[10-12]设计开发了用于作物生长信息监测的双波段传感器并对小麦生长监测进行了验证；李修华等[13-14]研发了分别基于日光的2波段和4波段作物反射光谱测量仪，可以实时获得作物冠层反射率，计算NDVI、RVI等植被指数，并对小麦、水稻作物建立了营养诊断模型。国内外学者，应用上述仪器在小麦、玉米等作物氮素、叶绿素含量等营养指标检测中取得了丰硕的成果[10-16]。

在运用植被指数预测小麦茎蘖数方面，国内外学者也进行了相关研究。PHILLIPS等[17]采用NDVI指数对冬小麦茎蘖数预测进行了初步探索，并为变量施肥处方提供了决策依据；FLOWERS等[18-19]利用NDVI、RVI、DVI、SAVI等多种植被指数和彩红外航片对冬小麦茎蘖数进行了预测；吴军华等[20]研究了NDVI和RVI指数与冬小麦生长前期的分蘖相关关系，得到了初步的相关模型。

以上研究表明，利用已有的作物光谱传感仪器快速监测评价小麦分蘖状态是可行的。由于冬小麦前期(开花期前)营养生长旺盛，在此阶段对茎蘖数进行监测具有更重要意义，因此本文选择返青期和起身期冬小麦分蘖作为研究对象。采用光谱测量仪器对返青期和起身期冬小麦冠层进行光谱扫描，并计算多个植被指数，通过分析不同植被指数与冬小麦分蘖数相关关系，筛选出冬小麦不同生长期的最佳检测指数和响应波段组合，最后建立冬小麦茎蘖数快速在线预测模型。通过该模型可以实时快速检测冬小麦不同生长期分蘖情况，并为进一步开发冬小麦茎蘖数在线检测仪提供依据和支撑。

1　材料与方法

1.1试验区域

于2013年10月—2014年6月在淄博市农业科学院试验农场(118.002 103°E，36.904 988 84°N)进行试验。试验设1个品种和5个施氮水平，3次重复，共计15个小区。采用裂区设计(表1)，试验品种为泰农18，小区设不同等级施氮水平(N)：N1、N2、N3、N4、N5，施氮量分别为0、84.375、168.75、253.125、337.5 kg/hm2。50%作基肥，在播种前施入；50%作追肥，在拔节期施入。小区面积为1.5 m×10 m，行道宽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土层土壤含水率降到最大持水量的50%时浇水。其他管理同大田高产栽培管理。同时试验期间观察小麦长势情况，记录环境温湿度和虫病情况。

表1　试验设计Tab.1　Field experiment design

1.2作物冠层光谱数据测量

试验于2014年3月初小麦返青期和2014年4月初起身期各进行一次。作物冠层光谱测量采用中国农业大学自主研发的4波段8通道作物反射光谱测量仪[11]。原理图如图1所示。

测量仪分为两部分：测量节点和手持终端，测量节点与手持终端之间采用ZigBee无线传输。其中测量节点可以同时检测550 nm(绿光G)、650 nm(红光R)、766 nm(红光R)、850 nm(近红外NIR)4个波段的太阳光入射光和植被反射光。手持终端采用32位嵌入式中央控制器，可以实时计算出4个波段的作物反射率[11]。针对15个小区，每个试验小区随机选择3个1 m×1 m样方作为重复，选择样方中心位置进行冬小麦冠层扫描。试验时，测量节点距小麦冠层约50 cm，节点与冠层保持平行，采集数据前对测量仪进行白板标定，尽可能减小太阳光变化对光谱数据产生的影响。试验共采集得到45组数据。基于测定的4个波长处反射率，组合计算了9种植被指数，计算公式如表2所示。

图1　作物反射光谱测量仪测量原理示意图Fig.1　Diagram of crop reflectance measuring instrument

表2　光谱植被指数Tab.2　Spectral vegetation indices

注：VNIR、VR、VG分别代表相应波段范围内近红外、红光、绿光的反射率。

1.3冬小麦茎蘖数采集

该试验田共15个小区，每个小区随机选取3个点。每个采集点使用“十万分之一样段法”，即采用0.1 m2样段。小区苗行间距20 cm，因此样段长50 cm。在样段两端作标记，然后以一端为起点，逐一数出样段内小麦茎蘖数。每个样段测量均为每点双行，分别计数，计算平均值为该样段总茎蘖数。总共采集得到45组数据。

2　结果与分析

2.1不同氮素水平下冬小麦茎蘖数变化趋势

通过2次试验，返青期与起身期不同施氮水平下茎蘖数的均值对比如图2所示。返青期和起身期不同施氮水平下茎蘖数详细统计结果如表3所示。

图2　冬小麦返青期与起身期不同施氮水平下茎蘖数的平均值对比Fig.2　Average quantities of tillers in re-greening and erecting stages under different nitrogen levels

通过图1知，冬小麦返青期和起身期的分蘖受施氮水平影响很大，随着施氮量的不断提高，冬小麦总茎蘖数呈现出先增加后减少的“单峰”型。这可能是因为氮素作为合成叶绿素及相关光合作用酶的主要元素，供给较少时，作物长势孱弱，分蘖少或无分蘖；供给过多时，冬小麦也并没有增加分蘖。

通过表3知，整块试验田茎蘖数变异系数范围为[0.073,0.138]，标准差范围[69.6,214.9]，均在统计学可接受范围内，数据可靠。

综合图2和表3知，各施氮水平下起身期小麦分蘖数比返青期分蘖数均分别降低了40%～50%，且均在N3水平下达到最大分蘖数。这可能是因为随着冬小麦的发育，生长和营养中心发生转移，已经生成的分蘖逐渐“两极分化”：早生分蘖继续发育成穗，而晚生分蘖和小蘖成为无效蘖逐渐凋亡淘汰，最终导致分蘖数下降。同时合理的施氮量能促进分蘖的发生，过少或过多均不利于分蘖进行。

表3　冬小麦返青期和起身期不同施氮水平下 茎蘖数结果Tab.3　Tillers of winter wheat in re-greening and erecting stages under different nitrogen levels 　个/m2

2.2不同氮素水平下植被指数分布特征

计算不同氮素水平下各植被指数的平均值，结果如表4所示。

分析表4数据可知：返青期和起身期各植被指数在不同氮素水平下均呈现“单峰”型变化曲线，即随着施氮量的增加，各植被指数先增大后减小。这与前述不同氮素水平下茎蘖数的变化规律吻合，间接地证明了所采集光谱数据的有效性。

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

注：表中(650,850)表示9种植被指数在(650,850)波段组合下的平均值，下同。

2.3冬小麦植被指数与茎蘖数的相关性分析

通过表3和表4可以定性地得到冬小麦返青期和起身期茎蘖数与各植被指数之间具有相关性的结论。然后计算二者相关系数，定量地描述二者相关关系，结果如表5所示，9种植被指数与两个生育期茎蘖数均有较高相关性。

通过表5可知：在返青期，同一波段组合植被指数与茎蘖数的相关系数由大到小依次为：OSAVI、MSAVI、NDVI、EVI2，而NDGI、DVI、SAVI、TVI、RVI这5种参数较前4种较低，且相差不大。这可能是因为在返青期，群体覆盖度较低，土壤背景噪声为主要噪声来源，大气条件、太阳角、地形等噪声来源为次要噪声来源，OSAVI能比较好地滤除土壤背景噪声，而其他几种植被指数对主要噪声来源滤除不够，这与前人研究结果相同[17]。在起身期，同一波段组合植被指数与茎蘖数的相关系数由大到小依次为：EVI2、OSAVI、MSAVI、NDVI。EVI2指标敏感性提高，这可能是因为进入起身期，虽然茎蘖数下降，但是早生蘖和壮蘖生长较好，各器官生物量累积，EVI2对作物群体生物量较为敏感同时还减少了背景和大气噪声影响，故其与茎蘖数相关系数较返青期高。其他植被指数在该阶段受土壤背景噪声和大气影响仍较为明显，对植被覆盖敏感度不够，不适宜用于本阶段监测。同一种植被指数，(650,850)组合优于(650,766)组合，这可能是因为850 nm波长处于植被近红外反射“平台”处，反射率很高且稳定，而766 nm波长处于植被反射“红边”处，反射率不稳定受周围环境影响较大，这与前人研究结果相同[14]。

表5　植被指数与茎蘖数之间的相关性分析Tab.5　Coefficient of determination between vegetation index and tillers

注：**表示在0.01水平上显著相关。

综上，在不同生育期，冬小麦群体密度差异较大，不同植被指数对茎蘖数的敏感性不同，因此接下来针对两个生育期分别建立冬小麦茎蘖数预测模型。

2.4冬小麦返青期与起身期茎蘖数预测模型

根据上述试验数据与结论，同时结合嵌入式系统开发及快速在线检测需求，优选OSAVI(650,850)作为参数对返青期茎蘖数进行一元线性回归，EVI2(650,850)作为参数对起身期茎蘖数进行一元线性回归。利用建模集35个采样点，验证集10个采样点，分别建立返青期和起身期茎蘖数与相关植被指数预测模型为

y1=3 102.4x1-408.62

(1)

y2=1 457.9x2+28.451

(2)

式中y1——冬小麦返青期茎蘖数预测值

x1——OSAVI(650，850)参数值

y2——冬小麦起身期茎蘖数预测值

x2——EVI2(650,850)参数值

图3　返青期茎蘖数预测值与实测值建模结果Fig.3　Correlation between measured tillers and predicted tillers in re-greening stage

图4　起身期茎蘖数预测值与实测值建模结果Fig.4　Correlation between measured tillers and predicted tillers in erecting stage

结果表明，应用该作物反射光谱测量仪针对泰农18小麦在返青期和起身期分别采用OSAVI(650，850)和EVI2(650，850)指数均可对茎蘖数进行较高精度的预测。未来研究将继续针对不同株型品种冬小麦作物的分蘖数进行多年份的连续试验和光谱学诊断研究，继续验证并提高模型适用性。将模型嵌入到仪器中央控制器中，并结合前期作物营养诊断模型，设计成小麦茎蘖数和营养指标复合参数的快速诊断仪。

3　结论

(1)通过对泰农18冬小麦分区试验可知，相同播种情况下，氮肥施用量显著影响冬小麦分蘖数，在返青期和起身期，过多或过少施用氮素均会降低分蘖的生长，本试验中最佳氮肥使用量为N3(168.75 kg/hm2) 左右。

(2)试验分析了OSAVI、MSAVI、EVI2、NDVI、NGVI、RVI、DVI、TVI这9种指数与泰农18冬小麦茎蘖数相关关系，结果表明在返青期分蘖旺盛时，采用OSAVI(650,850)指数进行回归分析，其决定系数最高达到0.85,均方根误差为118.93，预测精度较高；在起身期，优先考虑应用EVI2(650,850)指数进行回归分析，其决定系数最高达到0.84,均方根误差为73.04，预测精度较高。

(3)在冬小麦返青期和起身期，(650,850)波段组合能比较好地反映植被指数与分蘖情况的相关关系，为基于光谱反射原理的冬小麦茎蘖数在线检测仪器的设计与应用提供了依据和支撑，未来还将对多种冬小麦品种进行多年份测试验证以提高系统适用性。

1杨邦杰, 裴志远. 农作物长势的定义与遥感监测[J].农业工程学报,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,赵广才,代西梅，等. 小麦分蘖变化动态与内源激素关系的研究[J]. 作物学报, 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高尔明,赵全志,刘华山,等. 砂姜黑土小麦分蘖成穗及其调控研究[J]. 土壤通报, 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. 小麦分蘖叶、穗的生育特征与成穗的关系[J].中国农业大学学报, 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郭春强, 靳文奎, 廖平安. 小麦分蘖盛期生育指标的研究[J]. 小麦研究, 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赵昌平, 郭晓维, 张风廷,等. 从不同营养生长积温分蘖间的差异探讨小麦分蘖成穗的生理原因[J]. 华北农学报, 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陈瀚阅, 牛铮, 黄文江, 等. 基于热点植被指数的冬小麦叶面积指数估算[J].农业工程学报，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, 陈彦, 王秀, 等.基于主动光源的归一化植被指数测定系统研究[J].农机化研究, 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, 韩应征. 光传感器变量施肥控制系统开发[J]. 农机化研究, 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倪军, 王婷婷, 姚霞, 等.作物生长信息获取多光谱传感器设计与试验[J].农业机械学报，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杨建宁, 张井超, 朱艳,等.便携式作物生长监测诊断仪性能试验[J].农业机械学报，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, 刘小军, 王薇，等.小麦氮素无损监测仪敏感波长的最佳波段宽度研究[J].农业机械学报，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李修华, 李民赞, 崔迪，等.基于双波段作物长势分析仪的东北水稻长势监测[J].农业工程学报,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钟振江, 李民赞, 孙红,等.作物营养智能检测仪设计与试验[J].农业机械学报, 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赵毅, 文瑶, 孙红, 等. 小麦冠层营养诊断光谱检测仪设计与试验[J]. 农业机械学报, 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范梦扬, 马钦, 刘峻明, 等.基于机器视觉的大田环境小麦麦穗计数方法[J]. 农业机械学报, 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吴军华, 岳善超, 侯鹏,等.基于主动遥感的冬小麦群体动态监测[J].光谱学与光谱分析，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

国家自然科学基金项目(31501219)、公益性行业(农业)科研专项(201303109)和国家留学基金委公派研究生项目(201406350177)

张猛(1988—)，男，博士生，主要从事作物长势信息感知与获取研究，E-mail： caupac_zm@cau.edu.cn

李民赞(1963—)，男，教授，博士生导师，主要从事精细农业系统集成研究，E-mail： limz@cau.edu.cn

O657.3; S126

A

1000-1298(2016)09-0341-07