ICS65.020.20CCSB051311IDB1311/T087—2025前言 2規范性引用文件 3術語和定義 1 2 4附錄A（資料性）產量預測模型MultimodalNet使用方法 5DB1311/T087—2025本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規則》的規定起草。本文件由衡水市農業農村局提出并歸口。本文件起草單位：河北省農林科學院旱作農業研究所、中國農業大學、中國農業科學院農業環境與可持續發展研究所。本文件主要起草人：柳斌輝、馬浚誠、張文英、武永峰、王變銀、陳朝陽、劉亞潔、劉志連、王廣才、孫海霞、李金艷、王曉峰、李信超、徐海娜、張曉、程帥、黨紅凱。1DB1311/T087—2025無人機遙感法鑒定高水效小麥品種技術規程本文件確立了無人機遙感法鑒定高水效小麥品種（系）的技術程序，規定了相應的具體操作步驟和要求，描述了對應的追溯記錄。本文件適用于衡水市范圍內無人機遙感法鑒定高水效小麥品種（系）。2規范性引用文件下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB4404.1糧食作物種子第1部分：禾谷類NY/T2911測土配方施肥技術規程DB13/T5897小麥主要病蟲害綠色防控技術規程3術語和定義下列術語和定義適用于本文件。3.1高水效小麥品種（系）water-efficientwheatvarieties在不同灌溉條件下，生長發育和產量形成對水分的適應能力強的小麥品種（系）。3.2遙感產量預測模型remotesensingyieldpredictionmodel以提取的小區可見光、高光譜近紅外和熱紅外圖像為輸入，以實測產量為輸出，采用3個并聯的卷積神經網絡分別從可見光、高光譜近紅外和熱紅外圖像中提取特征，將提取的特征動態融合并映射為預測產量的模型。3.3高水效遙感鑒定指數（WERI）waterefficientremotesensingidentificationindex以待評價小麥品種（系）灌漿初期遙感產量預測模型預測產量值為依據，以對照品種（系）同期遙感預測產量值作為比較標準，評價待鑒定品種（系）水效率的指標。無人機遙感法鑒定高水效小麥品種（系）技術流程圖見圖1。2DB1311/T087—2025圖1無人機遙感法鑒定高水效小麥品種技術流程圖5.1基本要求高水效小麥品種（系）鑒定在中高等地力以上水平種植，以灌漿初期高水效遙感鑒定結果判定小麥品種（系）的水效率。5.2種子要求參試品種（系）種子質量符合GB4404.1一級標準要求，數量滿足試驗需要。5.3試驗要求5.3.1田間布置在田間自然環境下，設置相同的節水灌溉處理。隨機區組，重復不少于3次，小區行數不少于4行，行長不小于1m，行距15cm～20cm。根據田間地塊大小，每排每隔5個～8個小區種植對照品種1個。鑒定對照品種選用研究區域水效率較好的品種。5.3.2播種統一播量、適期播種，統一行距，統一密度，播種前使0cm～50cm土層水分達到田間持水量的80±5%。5.3.3土壤條件地勢平坦，土壤深厚不小于2m，各類壤質土壤。5.3.4栽培管理根據試驗要求適期播種。精細整地，同一項作業在同一天內完成。肥料作為底肥一次性均勻施入，保證均衡施舥，施肥量主要按照NY/T2911進行。病蟲草害管理參考DB13/T5897進行。5.3.5遙感測定5.3.5.1圖像采集采用無人機載可見光、高光譜和熱紅外遙感成像技術進行小麥品種（系）冠層可見光、高光譜和熱紅外圖像采集。5.3.5.2測定時間小麥花后12d～18d進行；測定時間為上午10點到下午14點之間。每次測定完成飛行大于45min。5.3.5.3氣象條件3DB1311/T087—2025天氣晴朗，農田現場的風速要求不高于4m/s。5.3.5.4無人機飛行參數設置所有相機鏡頭垂直向下，飛行高度要求不超過120m，圖像航向重疊率和旁向重疊率至少分別達到80%和70%，飛行速度以不超過3m/s為宜，采用等距間隔方式采集圖像，可見光圖像地面分辨率至少達到1.3cm，高光譜圖像地面分辨率至少達到3cm，熱紅外圖像地面分辨率至少達到4.6cm。5.3.6數據處理5.3.6.1參數讀取按照生成圖像的時間順序，讀取分幅圖像的溫度信息、經緯度及成像時間，進行圖像格式轉換。5.3.6.2圖像拼接利用圖像拼接技術，將多邊形目標區域內所有轉換后的分幅圖像進行拼接處理，生成完整的全景圖像。5.3.6.3正射校正利用無人機載熱紅外成像系統自帶的RGB相機，生成多邊形目標區域的正射影像圖，采用圖像配準技術將高光譜影像和溫度全景圖像配準至正射影像圖上，完成高光譜影像和溫度圖像的正射校正處理。5.3.6.4圖像預處理提取高光譜圖像近紅外波段圖像，采用主成分分析將維度調整為3。從可見光、高光譜近紅外和熱紅外圖像中提取各小區冠層圖像。5.3.7遙感產量預測將提取的小區可見光、高光譜近紅外和熱紅外圖像輸入產量預測模型MultimodalNet，輸出預測產量值。模型使用方法見附錄A。5.3.8高水效遙感鑒定指數按公式（1）分別計算測試品種（系）的高水效遙感鑒定指數，多次重復求平均值。式中：WERI——測試品種（系）的高水效遙感鑒定指數；YT——測試品種（系）的模型預測產量值；YCK——對照品種（系）的模型預測產量值；WERI的最終計算結果保留3位小數。5.3.9高水效小麥品種評價體系高水效小麥品種（系）評價標準見表1。4DB1311/T087—2025表1高水效小麥品種（系）評價標準12高34低56.1標記方法在高水效小麥品種（系）鑒定階段，標記的內容包括：——做標記時小麥材料名稱；——標記的編號；——做標記人員的姓名；——標記時間；——其他。6.2過程記錄在執行第5章所規定的各個階段的程序指示過程中，記錄并保持以下內容：——執行各個階段程序指示的人員姓名；——執行的具體操作內容；——操作的結果或觀察到的現象；——其他。5DB1311/T087—2025（資料性）產量預測模型MultimodalNet使用方法遙感產量預測模型（MultimodalNet）構建流程見下圖。該模型以提取的小區可見光、高光譜近紅外和熱紅外圖像為輸入，以預測產量為輸出，由3個并聯的卷積神經網絡模型組成，分別用于從可見光、高光譜近紅外和熱紅外圖像中提取特征。RGB分支采用SEResnet18模型，高光譜近紅外分支采用Mobilenetv3_Large模型，熱紅外圖像采用Mobilenet