ICS65.020.20 CCSB05 1311 衡水市地方标准 DB1311/T087—2025 无人机遥感法鉴定高水效小麦品种技术 规程 2025-04-01发布 2025-05-01实施 衡水市市场监督管理局  发布DB1311/T087—2025 I目次 前言..................................................................................II 1范围................................................................................1 2规范性引用文件......................................................................1 3术语和定义..........................................................................1 4技术流程图...........................................................................1 5高水效小麦品种鉴定...................................................................2 6追溯方法.............................................................................4 附录A（资料性）产量预测模型MultimodalNet使用方法....................................5DB1311/T087—2025 II前言 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 起草。 本文件由衡水市农业农村局提出并归口。 本文件起草单位：河北省农林科学院旱作农业研究所、中国农业大学、中国农业科学院农业环境与 可持续发展研究所。 本文件主要起草人：柳斌辉、马浚诚、张文英、武永峰、王变银、陈朝阳、刘亚洁、刘志连、王广 才、孙海霞、李金艳、王晓峰、李信超、徐海娜、张晓、程帅、党红凯。DB1311/T087—2025 1无人机遥感法鉴定高水效小麦品种技术 规程 1范围 本文件确立了无人机遥感法鉴定高水效小麦品种（系）的技术程序，规定了相应的具体操作步骤和 要求，描述了对应的追溯记录。 本文件适用于衡水市范围内无人机遥感法鉴定高水效小麦品种（系）。 2规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB4404.1粮食作物种子第1部分：禾谷类 NY/T2911测土配方施肥技术规程 DB13/T5897小麦主要病虫害绿色防控技术规程 3术语和定义 下列术语和定义适用于本文件。 高水效小麦品种（系）water-efficientwheatvarieties 在不同灌溉条件下，生长发育和产量形成对水分的适应能力强的小麦品种（系）。 遥感产量预测模型remotesensingyieldpredictionmodel 以提取的小区可见光、高光谱近红外和热红外图像为输入，以实测产量为输出，采用3 个并联的卷 积神经网络分别从可见光、高光谱近红外和热红外图像中提取特征，将提取的特征动态融合并映射为预 测产量的模型。 高水效遥感鉴定指数（WERI）waterefficientremotesensingidentificationindex 以待评价小麦品种（系）灌浆初期遥感产量预测模型预测产量值为依据，以对照品种（系）同期遥 感预测产量值作为比较标准，评价待鉴定品种（系）水效率的指标。 4技术流程图 无人机遥感法鉴定高水效小麦品种（系）技术流程图见图1。DB1311/T087—2025 2 图1无人机遥感法鉴定高水效小麦品种技术流程图 5高水效小麦品种鉴定 基本要求 高水效小麦品种（系）鉴定在中高等地力以上水平种植，以灌浆初期高水效遥感鉴定结果判定小麦 品种（系）的水效率。 种子要求 参试品种（系）种子质量符合GB4404.1一级标准要求，数量满足试验需要。 试验要求 5.3.1田间布置 在田间自然环境下，设置相同的节水灌溉处理。随机区组，重复不少于3 次，小区行数不少于4 行， 行长不小于1 m，行距15 cm～20 cm。根据田间地块大小，每排每隔5 个～8 个小区种植对照品种1 个。鉴 定对照品种选用研究区域水效率较好的品种。 5.3.2播种 统一播量、适期播种，统一行距，统一密度，播种前使0 cm～50 cm土层水分达到田间持水量的80±5%。 5.3.3土壤条件 地势平坦，土壤深厚不小于2 m，各类壤质土壤。 5.3.4栽培管理 根据试验要求适期播种。精细整地，同一项作业在同一天内完成。肥料作为底肥一次性均匀施入， 保证均衡施舥，施肥量主要按照NY/T2911进行。病虫草害管理参考DB13/T5897进行。 5.3.5遥感测定 5.3.5.1图像采集 采用无人机载可见光、高光谱和热红外遥感成像技术进行小麦品种（系）冠层可见光、高光谱和热 红外图像采集。 5.3.5.2测定时间 小麦花后12 d～18 d进行；测定时间为上午10点到下午14点之间。每次测定完成飞行大于45 min。 5.3.5.3气象条件DB1311/T087—2025 3天气晴朗，农田现场的风速要求不高于4 m/s。 5.3.5.4无人机飞行参数设置 所有相机镜头垂直向下，飞行高度要求不超过120 m，图像航向重叠率和旁向重叠率至少分别达到 80%和70%，飞行速度以不超过3 m/s为宜，采用等距间隔方式采集图像，可见光图像地面分辨率至少达 到1.3 cm，高光谱图像地面分辨率至少达到3 cm，热红外图像地面分辨率至少达到4.6 cm。 5.3.6数据处理 5.3.6.1参数读取 按照生成图像的时间顺序，读取分幅图像的温度信息、经纬度及成像时间，进行图像格式转换。 5.3.6.2图像拼接 利用图像拼接技术，将多边形目标区域内所有转换后的分幅图像进行拼接处理，生成完整的全景图 像。 5.3.6.3正射校正 利用无人机载热红外成像系统自带的RGB相机，生成多边形目标区域的正射影像图，采用图像配准 技术将高光谱影像和温度全景图像配准至正射影像图上，完成高光谱影像和温度图像的正射校正处理。 5.3.6.4图像预处理 提取高光谱图像近红外波段图像，采用主成分分析将维度调整为3。从可见光、高光谱近红外和热 红外图像中提取各小区冠层图像。 5.3.7遥感产量预测 将提取的小区可见光、高光谱近红外和热红外图像输入产量预测模型MultimodalNet，输出预测产 量值。模型使用方法见附录A。 5.3.8高水效遥感鉴定指数 按公式（1）分别计算测试品种（系）的高水效遥感鉴定指数，多次重复求平均值。 WERI=YT/YCK·····················································(1) 式中： WERI——测试品种（系）的高水效遥感鉴定指数； YT——测试品种（系）的模型预测产量值； YCK——对照品种（系）的模型预测产量值； WERI的最终计算结果保留3 位小数。 5.3.9高水效小麦品种评价体系 高水效小麦品种（系）评价标准见表1。DB1311/T087—2025 4表1高水效小麦品种（系）评价标准 级别 高水效遥感鉴定指数（WERI） 水效率等级 1 ≥1.150 极高 2 1.050～1.149 高 3 0.950～1.049 中等 4 0.850～0.949 低 5 ≤0.849 极低 6追溯方法 标记方法 在高水效小麦品种（系）鉴定阶段，标记的内容包括： ——做标记时小麦材料名称； ——标记的编号； ——做标记人员的姓名； ——标记时间； ——其他。 过程记录 在执行第5章所规定的各个阶段的程序指示过程中，记录并保持以下内容： ——执行各个阶段程序指示的人员姓名； ——时间； ——地点； ——执行的具体操作内容； ——操作的结果或观察到的现象； ——其他。DB1311/T087—2025 5AA 附录A （资料性） 产量预测模型MultimodalNet使用方法 遥感产量预测模型（MultimodalNet）构建流程见下图。该模型以提取的小区可见光、高光谱近红 外和热红外图像为输入，以预测产量为输出，由3 个并联的卷积神经网络模型组成，分别用于从可见光、 高光谱近红外和热红外图像中提取特征。RGB分支采用SEResnet18模型，高光谱近红外分支采用 Mobilenetv3_Large模型，热红外图像采用Mobilenetv3_Small模型。在特征提取过程中，采用注意力机 制进行可见光、高光谱近红外和热红外特征动态融合。通过特征提取将输入的可见光、高光谱近红外和 热红外图像映射为256维的特征向量，随后将得到的特征向量融合为768维的特征向量并映射为预测产量。 小麦产量预测模型构建流程见图A.1。 表A.1小麦产量预测模型构建流程