1、干旱是影響玉米生產的重要災種，創(chuàng)新玉米旱情監(jiān)測預警途徑，意義重大。本研究基于玉米表型特征和BP神經網絡對玉米干旱進行識別，以探究玉米干旱識別新方法，為提高玉米干旱監(jiān)測識別水平奠定基礎。本研究利用可見光成像方式采集不同干旱脅迫下的玉米圖像，通過編程從玉米圖像中提取表型特征變量，以多個BP神經網絡集成學習的方法構建玉米不同生長發(fā)育階段的干旱識別模型，識別不同程度干旱脅迫下的玉米植株。研究結果表明:玉米形態(tài)特征是識別干旱的最有效特征，顏色和紋

2、理特征在玉米生長中后期是識別干旱的重要特征。不同程度干旱脅迫下，玉米表型特征差異性明顯，無旱和特旱脅迫下玉米的表型特征最具獨特性，因而模型對玉米無旱和特旱程度的識別度高。玉米出苗-拔節(jié)、拔節(jié)-抽雄和抽雄-成熟3個生長發(fā)育階段的干旱識別模型識別玉米干旱的準確率均在90％以上，出苗-拔節(jié)、拔節(jié)-抽雄2個生長發(fā)育階段的模型識別玉米不同干旱程度的誤差在0.015以下，而抽雄-成熟生長發(fā)育階段的模型識別玉米不同干旱程度的誤差相對較高，在0.02～

3、0.05之間。出苗-拔節(jié)生長發(fā)育階段的模型識別玉米不同干旱程度的精度均在97％以上，拔節(jié)-抽雄生長發(fā)育階段的模型識別玉米不同干旱程度的精度在92％～95％之間，抽雄-成熟生長發(fā)育階段的模型識別玉米不同干旱程度的訓練精度在90％～95％之間，驗證精度在88％～95％之間。采用集成學習的方法構建玉米干旱識別模型相比傳統(tǒng)的單分類器模型在降低訓練誤差、提高準確率和精度方面具有明顯優(yōu)勢，能夠有效降低識別玉米不同干旱程度的差異性。綜合研究結果可知，