综述:基于无人机的小麦氮素状况评估:目标特征、验证严谨性、生长阶段数据以及机器学习方法的系统综述

《Nitrogen》:UAV-Based Nitrogen Assessment in Wheat: A Systematic Review of Target Traits, Validation Rigor, Growth Stage Evidence, and Machine Learning Approaches

【字体: 大 中 小 】 时间:2026年06月28日 来源:Nitrogen 2.8

编辑推荐:

   摘要

  

摘要

氮元素的过量或不足会显著影响小麦的产量。为支持精准施肥管理,人们采用了多种破坏性及非破坏性方法来检测土壤中的氮含量。近年来,结合无人机遥感技术与机器学习的方法逐渐成为评估小麦氮含量的有效手段。本研究通过系统综述,分析了不同研究方法的优势与不足。研究者采用PRISMA方法从Scopus和Web of Science数据库中筛选相关文献,然后对提取的数据进行定量分析,以判断这些研究是针对直接的氮元素指标还是间接指标,验证方法的严格程度如何影响研究结果的准确性,以及哪些生长阶段最常被用于氮含量检测。在那些研究结果相近的案例中,直接检测氮元素的方法的中位R2值为0.855,而使用近似指标或间接指标的方法中位R2值分别为0.868和0.841。此外,不同研究中的验证设计也存在很大差异,大多数研究仅采用内部验证,这类研究的中位R2值(0.860)高于那些采用类似独立验证的研究(0.825),这表明在验证标准较低的情况下,研究结果可能会被高估。生长阶段分析显示,氮含量检测最多在小麦拔节期到灌浆期进行,且大多数研究关注的是多个生长阶段而非单一阶段,这说明研究人员倾向于利用更宽泛的检测时间范围,而非只关注具有实际意义的个别阶段。综上所述,现有研究既有直接检测氮元素的方法,也有基于替代指标或间接方法的研究,这类研究的预测能力较强,但在为实际氮素管理提供可靠且可推广的解决方案方面还有提升空间。未来的研究应聚焦于直接检测氮元素的方法,并采用独立的验证设计,以便将检测结果转化为可行的精准施肥策略。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号