小麥是一種重要全球作物，但目前的人口成長、極端天氣和氣候變遷增加了對小麥生產的需求。結構均勻度是高產量的關鍵，但不均勻的田間條件會導致植物之間的競爭，而阻礙均勻度。測量均勻度的傳統方法是勞力密集且效果低。然而目前的研究重點是單一植物的空間均勻度，缺乏跨生長階段的多性狀評估。

       中國南京農業大學研究團隊利用無人機影像技術來估算小麥的農業參數，包括SPAD、LAI和植物高度（PH）。使用反向傳播神經網絡（BPNN）模型進行數據分析，該模型對LAI（R² = 0.889）和SPAD（R² = 0.804）的預測準確度高，且從3D點雲(3D的一組數據點)中估算的PH也顯示出良好的準確性（R² = 0.812）。這些準確的估算為計算均勻性指標提供了基礎。

       研究發現，LAI、SPAD、FVC和PH的均勻度指標在生長階段中動態變化，且在抽穗後通常會穩定。此外，相關性分析顯示特定指標與產量和生物量之間存在強相關性。多元線性回歸模型結合這些均勻度指標後，相較於基於均值的模型，對產量和生物量的預測準確性有所提高。

       此項研究發表在2024年6月《Plant Phenomics》期刊，該研究提出的均勻度監測方法能夠有效評估小麥均勻度的時間和空間變化，為產量和生物量的預測提供了新見解。未來的研究應探索均勻度與生產力之間的關係，並驗證該方法在其他作物中的應用。這一方法不僅對小麥的作物管理和育種計畫具有潛在應用，還能促進農業生產的永續發展。【延伸閱讀】- 以無人機開發草莓生長點觀察方法，了解草莓生長情形