-
芹菜（Apium graveolens L.）在我国有着悠久的种植历史和广泛的种植分布，种植规模居世界首位，具有重要的药用价值和丰富的营养成分，富含蛋白质、碳水化合物、胡萝卜素、B族维生素等多种养分[1-2]。太湖地区是我国重要的农业生产区和蔬菜主产区，芹菜是当地春秋季重要的栽培蔬菜类型，其产量水平直接决定着农民的收益[3]。在生产中，芹菜的产量取决于多种因素，如施肥量、管理水平、作物品种和环境条件等，其中，氮素的合理施用是最为重要的因素[4]。一般来说，充足的氮肥投入是保证作物生长和土壤肥力的先决条件[5-7]。然而，过量或不当的氮肥施用均不利于产量的形成和品质的提升，还会影响芹菜的高产高质；同时过量的氮肥投入还会导致养分流失，水、气、土质量下降[8-10]。因此，如何在生育期内准确预测芹菜产量，并指导后期合理精准追氮和高产管理对芹菜可持续生产具有重要意义。然而，目前的产量估测方法主要针对大田作物（水稻、小麦、玉米等），蔬菜种类多样，品种较多，当前对蔬菜产量的预测方法研究仍较为局限，大部分是依据多年数据的模型模拟，数据要求量较大，且时效性和准确性较差[11-12]。目前未有适宜芹菜作物的产量预测方法，因此，亟须研究出一种快速、无损、便捷的芹菜产量估测方法[13-14]。
-
研究表明，利用光谱技术可准确判断作物的氮素营养状况，实现作物当季产量的预测[15]。在多种光谱仪中，手持式冠层光谱仪可在冠层高度监测作物的氮素营养状况和产量水平，分辨率和准确性较高；同时，与高光谱仪相比，其成本较低且操作更加便捷；与叶绿素仪等叶片传感器相比，其操作便捷高效且代表性较高，因此，多种冠层光谱仪已成功应用于多种作物氮素营养管理[16-17]。GreenSeeker光谱仪是一种常见的主动光源冠层光谱仪，具有主动光源，不易受外界环境干扰，可测定作物冠层在红光和近红外光波段的光谱反射值并计算出植被归一化指数（NDVI）[18]。已有研究结果表明，NDVI值可用于多种大田作物的当季产量潜力预测和氮肥追施指导[19-21]。Raun等[18]研究表明GreenSeeker冠层光谱仪在起身期 （Feekes 4）和叶鞘伸长期（Feekes 5）生长阶段测定的NDVI值可准确预测冬小麦的当季产量潜力。在玉米中，V8生长期测定的冠层NDVI值与收获期产量间预测效果较好（R 2=0.77）[22]。在蔬菜作物中，GreenSeeker冠层光谱仪也开展了一定应用，已有研究报道，GreenSeeker冠层光谱仪可用于监测胡萝卜健康状况，并可作为甜菜和辣椒氮素营养快速无损检测的手段[23-24]。我们在前期的研究中发现，GreenSeeker可作为蔬菜产量预测的潜在工具，移栽后110d的光谱测定值可准确预测不同品种包心菜的当季产量[25]。由于芹菜品种多样、生育期相对较短，且GreenSeeker冠层光谱仪对芹菜当季产量潜力预测的可行性及准确性尚不清楚，其产量潜力监测的最佳时期仍有待研究。
-
因此，本研究选择西芹（XQ）和药芹（YQ）2个常见的芹菜品种，设置不同施氮水平田间试验，利用GreenSeeker冠层光谱仪获取不同生长阶段的冠层NDVI值，以构建基于冠层NDVI值的当季产量潜力预测模型，比较各个时期NDVI测定值对产量预测的准确性，以期实现对芹菜当季产量潜力的准确评估，并为指导后期产量管理实践提供科学支撑。
-
1 材料与方法
-
1.1 试验地概况
-
本研究共设置4个芹菜田间试验，于2015～2016年进行。试验地点均位于宜兴市丁蜀镇农业科技示范园（31°14′ N，119°53′ E），该地区属于亚热带季风性气候，年平均气温和降水量分别为15.7℃和1177mm。试验地土壤类型为水耕人为土，供试土壤0～20cm理化性质为：pH值5.69， EC值0.28mS·cm-1，土壤有机质、总氮、硝态氮、有效磷和速效钾含量分别为24.9g·kg-1、1.04g·kg-1、42mg·kg-1、64mg·kg-1 和63mg·kg-1。该试验涉及不同芹菜品种类型、施氮水平和年份 （表1），其中，Exp.1和Exp.2田间试验用于芹菜当季产量预测建模分析，Exp.3和Exp.4田间试验用于产量预测模型验证分析，试验芹菜品种选用西芹（XQ）和药芹（YQ）2种，试验为随机区组设计。
-
1.2 数据采集与产量测定
-
芹菜冠层NDVI值采用手持式冠层光谱仪GreenSeekerTM（Trimble Inc.，Sunnyvale，CA，USA） 测定，红光波段测定波长为（650±10）nm，近红外波段测定波长为（770±15）nm。各小区NDVI值测定时间为9：00～10：00，测定时光谱仪垂直置于芹菜冠层上方60cm处，与种植行平行， NDVI值通过红光和近红外光波段的冠层光谱反射值计算（Eq.1）。测定时手持光谱仪匀速行进，各小区获取4个测定值并以其平均值作为小区测定结果[26]。各试验冠层NDVI测定时期分别为移栽后10、30、40、50、60、70、80d，各测定期对应的芹菜生长时期见表2。各小区芹菜于移栽后90d左右至休眠期前进行采收（不同试验、不同年份芹菜采用统一收获标准），将小区内所有芹菜地上部部分进行收获并测定鲜重，并通过含水量测定将各小区收获产量测定统一为90%含水量。
-
式中，ρNIR 为近红外波段的光谱反射值，ρRed 为红光波段的光谱反射值。
-
1.3 数据处理方法
-
Exp.1和Exp.2试验数据用于光谱参数与产量潜力预测模型的构建，Exp.3和Exp.4试验数据用于模型的测试和检验。相关性分析运用SPSS 20.0的Pearson相关分析进行。回归分析利用Matlab R2020a进行。所有图形采用Origin 8.5绘制。决定系数（R 2）、均方根误差（RMSE）（Eq.2）和相对均方根误差（RRMSE）（Eq.3）用来评估预测模型的准确性。
-
式中，n为模型检验样本数；Pi 为预测值；Oi 为观测值；为观测值的平均值。RMSE 和 RRMSE 值越小，则说明模型准确性越高。
-
2 结果与分析
-
2.1 不同品种芹菜冠层NDVI值变化动态
-
利用Exp.1和Exp.2试验数据，分析了移栽期至收获期不同品种芹菜冠层NDVI值的动态变化 （图1）。由图1可知，XQ和YQ两品种芹菜冠层NDVI值均呈快速上升趋势，但生长后期XQ品种冠层NDVI值缓慢上升至平台期。XQ品种芹菜冠层NDVI变化范围为0.40～0.81，YQ品种芹菜的NDVI值变化范围为0.15～0.69。总体而言，各生长期XQ品种的NDVI测定值均高于YQ品种，但生育后期XQ品种的冠层NDVI测定值趋于饱和，而YQ品种的NDVI值仍在不断增长。
-
图1 不同品种芹菜冠层NDVI测定值变化动态
-
注：误差线表示SD值，图中不同字母表示同一品种各时期光谱测定值间差异显著，P<0.05。
-
2.2 不同生育期NDVI测定值与芹菜产量间相关性分析
-
冠层NDVI测定值与XQ和YQ当季产量的Pearson相关分析结果见表3。XQ和YQ的相关系数分别为0.583～0.805和0.256～0.922，两品种产量与NDVI值的相关性系数分别在移栽后50和70d达到最高。在XQ生长季，相关系数在生长早期较低，之后逐渐升高，至移栽后50d时最高，随后逐渐降低。在YQ生长季，移栽初期，NDVI测定值与产量间无显著相关性，随后相关系数逐渐升高，至移栽后70d达到最高值后保持稳定。综上，对于不同芹菜品种，冠层NDVI值与产量间的相关系数随生长时期变化存在着相似的变化趋势：在生长阶段早期相关系数相对较低，在生长中期左右达到稳定；随后，相关系数相对稳定或略有下降。
-
注：* 表示在0.05水平显著相关，** 表示在0.01水平显著相关。各生长时期XQ品种芹菜NDVI测定值数量为n=24；YQ品种芹菜NDVI测定值数量为n=20。
-
为定量评估冠层NDVI值与不同品种芹菜产量间的回归关系，使用线性、指数和幂函数3种方程回归分析芹菜当季产量与冠层NDVI值的定量关系，同时使用决定系数（R2）和 F 检验来评估不同回归方程的显著性（表4）。结果表明，3种类型回归方程的准确性无显著差异。在XQ生长季，移栽后10d NDVI测定值与产量间的回归方程决定系数较低，3种回归方程的 R 2 均在移栽后30和50d时达到最高，R 2 为0.65；移栽后50d R 2 逐渐降低，至移栽后80d时 R 2 仅为0.34。对于YQ品种，移栽后10d，NDVI测定值无法预测芹菜当季产量，随后NDVI测定值与产量间回归方程的 R 2 逐渐升高，至移栽后80d时 R 2 最高，但移栽后70与80d的 R 2 无显著差异。因此，综合两芹菜品种，移栽后30～70d测定的冠层NDVI值可预测芹菜当季产量。
-
注：L代表线性方程，产量预测方程为yyield=a×xNDVI+b；E代表指数方程，产量预测方程为yyield=a×e b×xNDVI；P代表幂函数，产量预测方程为yyield=a×xNDVIb，a、b 为方程的回归参数。* 表示0.05水平下显著，** 表示0.01水平下显著。
-
2.3 不同生育期冠层NDVI值与两芹菜品种产量间预测分析
-
利用移栽后30～70d测定的冠层NDVI值进行两芹菜品种产量潜力预测，结果见图2。结果表明，在不同生长季，NDVI测定值均可准确测定芹菜产量。就单个品种而言，XQ和YQ品种NDVI测定值与产量拟合曲线的 R 2 值分别为0.54～0.65和0.73～0.85。使用综合方程进行不同品种芹菜NDVI测定值与产量拟合发现，拟合曲线的 R 2 为0.66～0.84，RMSE为7.40～10.72。虽然XQ的产量潜力和冠层NDVI值均显著高于YQ，但两品种芹菜NDVI-产量预测方程的趋势基本一致。因此，可采用综合方程进行两品种芹菜当季产量预测。分析不同时期拟合结果，前期预测结果波动较大，后期冠层结构趋于稳定，预测方程的 R 2 逐渐升高。
-
2.4 方程检验
-
为进一步验证不同时期NDVI-产量预测方程的准确性及其在不同芹菜品种中的适用性，本研究通过采集第2年不同芹菜品种冠层NDVI值及产量数据对产量预测方程进行验证，验证结果见图3。结果表明，移栽后30d，预测方程的斜率仅为0.70，预测产量低于实测产量。随着生长期的推进，验证方程的准确性逐渐升高，且预测产量与实测产量间的差距逐渐降低。移栽后60d，预测产量和实测产量间的决定系数较高 （R 2=0.63），所有数据点均分布在1∶1线附近，拟合曲线的斜率为0.95，表明该时期的综合产量预测方程准确性较高。移栽后70d，验证方程的斜率为1.05，预测产量略高于实测产量（R 2=0.73）。综上，可利用外叶生长盛期和立心期的产量预测方程进行芹菜当季产量预测，外叶生长盛期是利用冠层NDVI值进行产量预测的最早时期 （表5）。
-
图2 不同时期芹菜冠层NDVI值与产量关系分析
-
注：不同时期产量预测时，R2 相等的情况下，选择 RMSE 值较小的方程为各时期产量预测方程。
-
图3 不同时期芹菜预测产量与实测产量间关系分析
-
3 讨论
-
3.1 冠层光谱仪对芹菜产量预测的可行性分析
-
精准估测作物产量可强化氮素管理，提高作物产量，同时降低运营成本和环境风险[27]。然而，目前芹菜等蔬菜作物产量预测方法仍较为缺乏。冠层光谱仪因其可在冠层水平监测作物的生长和氮素营养状况，已成功用于多种大田作物的当季产量估测，并为进一步的氮肥推荐管理提供指导[18，21]。芹菜等蔬菜作物冠层结构的复杂性、品种类型的多样性和生育期的可变性增加了冠层光谱技术应用于其的难度[23]。本研究中，相关性分析和回归分析结果表明，除移栽初期和成熟期外，GreenSeeker冠层光谱仪测定的NDVI值与芹菜当季产量呈显著正相关（表3），且3种回归方程的预测准确性均较高（R2=0.51～0.84）。因此，冠层光谱仪可用于芹菜当季产量预测。
-
3.2 品种对芹菜产量预测准确性的影响
-
不同作物品种的生长特性和对氮肥施用的响应有所不同[28]，因此有必要研究基于冠层光谱仪的产量预测模型对不同品种的适用性。研究表明，各生长期XQ的NDVI测定值均高于YQ，且其产量潜力高于YQ（图1，图2）。这主要是两芹菜品种自身的农艺性状和品种特性决定的，XQ的株高、根头粗、叶片数、叶柄数等性状均优于YQ，因此，冠层NDVI值和产量潜力较高[29]。XQ的叶片数较多，冠层面积较大，冠层光谱测定值更高[30]。与先前对水稻和包心菜等作物的研究结果一致，不同品种氮素吸收特性有所差异，因此冠层光谱特性和产量潜力略有不同[26，31]。在本研究中，虽然两品种NDVI值和产量潜力有所差异，但两品种NDVI-产量拟合曲线的趋势基本一致，表明产量预测方程可适用于不同芹菜品种（图2）。通过综合预测方程对比，不同品种芹菜NDVI-产量预测方程的 R 2 值为0.66～0.84，RMSE 值为7.40～10.72。在甘蔗、玉米、水稻和包心菜中，基于冠层光谱仪的产量预测方程准确度分别为48%、77%、63%和80%[21-22，26，30]。与上述预测结果相比，本研究中芹菜产量预测准确性相差不大或更好，表明虽然不同品种芹菜生长特性略有差异，但冠层光谱仪可适用于不同品种芹菜的产量预测。
-
3.3 生育期对芹菜产量预测准确性的影响
-
综合芹菜生长不同生育期分析，在生长早期，冠层NDVI值与当季产量间关系较弱，尤其是YQ品种。移栽后30d前，芹菜冠层NDVI测定值与当季产量间无相关关系（表3，表4），这主要是由于YQ植株相对较小，芹菜等蔬菜作物种植密度较一般大田作物较大，在生长早期，土壤本身的高背景反射值对冠层光谱仪的测定影响较大，因而无法进行产量预测[31-33]。而当芹菜处于生长后期至成熟期（移栽后80～90d），预测准确性下降，尤其是XQ品种，该时期，芹菜冠层开始封闭，NDVI测定值趋于饱和（图1，表3）[26，34]，NDVI测定值与当季产量间的相关性显著下降或维持相对稳定；因此，进行芹菜产量预测时必须要考虑合适的生育期。经模型建立和验证分析，当芹菜处于生长中期（外叶生长盛期和立心期），产量预测准确性较高（R 2=0.74～0.84），外叶生长盛期是芹菜预测产量的最早时期，该时期芹菜生长较快，养分吸收量高，同时该时期也是生产中氮肥追施的必要时期[35]。因此，在生产中，可利用该时期的冠层光谱测定值进行芹菜当季产量预测及氮肥的精准追施量计算。
-
4 结论
-
利用GreenSeeker冠层光谱仪测定的冠层NDVI值可准确预测芹菜的当季产量，且预测模型可适用于不同芹菜品种；不同时期预测效果有所不同，早期预测结果易受土壤背景值的影响，而在生育后期，NDVI值饱和，影响预测准确性；经验证，外叶生长盛期是预测芹菜产量的最早时期，该时期的冠层NDVI值可准确预测芹菜当季产量，R 2 和 RMSE 分别为0.84和7.40。
-
在生产中，可以利用GreenSeeker冠层光谱仪快速、准确、实时地获取芹菜的生长情况，以进行当季产量的预测并指导后期实时追氮管理。这种相对简单的产量预测方法可为农户提供一种有效的产量预测手段，为进一步加强蔬菜生产决策和高产管理提供借鉴作用。下一步研究将继续聚焦于冠层光谱仪对芹菜氮素营养指标的预测效果及准确性研究，并进一步建立氮肥推荐施肥算法以指导芹菜氮肥精准管理。
-
参考文献
-
[1] Li M Y，Hou X L，Wang F，et al．Advances in the research of celery，an important Apiaceae vegetable crop［J］．Critical Reviews in Biotechnology，2018，38（2）：172-183．
-
[2] 周游，杨腊英，汪军，等．枯草芽孢杆菌和绿色木霉协同促进芹菜生长的研究［J］．中国土壤与肥料，2020（2）：213-219．
-
[3] Min J，Zhao X，Shi W M，et al．Nitrogen balance and loss in a greenhouse vegetable system in southeastern China［J］． Pedosphere，2011，21：464-472．
-
[4] Tesfaendrias M T，Trueman C L，Gossen B D，et al．The influence of nitrogen and calcium fertilizers on septoria late blight and yield of celery［J］．Canadian Journal of Plant Science，2014，94（8）：1391-1399．
-
[5] Agostini F，Tei F，Silgram M，et al．Decreasing nitrate leaching in vegetable crops with better N management［M］//Lichtfouse E． Genetic engineering，biofertilisation，soil quality and organic farming，sustainable agriculture reviews．Dordrecht：Springer，2010．147-200．
-
[6] 国世佳，段玉，张君，等．施氮量对食用向日葵产量及品质的影响［J］．中国土壤与肥料，2019（2）：126-132．
-
[7] 岳超，肖石江，王怀义，等．氮肥用量对不同冬马铃薯品种产量及氮肥利用率的影响［J］．中国土壤与肥料，2019（2）：119-125．
-
[8] Shi W M，Yao J，Yan F．Vegetable cultivation under greenhouse conditions leads to rapid accumulation of nutrients，acidification and salinity of soils and groundwater contamination in southeastern China［J］．Nutrient Cycling in Agroecosystems，2009，83：73-84．
-
[9] Min J，Zhang H L，Shi W M．Optimizing nitrogen input to reduce nitrate leaching loss in greenhouse vegetable production［J］． Agricultural Water Management，2012，111：53-59．
-
[10] Shen W S，Lin X G，Shi W M，et al．Higher rates of nitrogen fertilization decrease soil enzyme activities，microbial functional diversity and nitrification capacity in a Chinese polytunnel greenhouse vegetable land［J］．Plant and Soil，2010，337：137-150．
-
[11] 王兴环，张怀珠，高安芳，等．图们市气象因子对秋白菜产量影响及预测［J］．农业与技术，2020，40（10）：141-142．
-
[12] 余永松，庞正武，周叶宁，等．广西蔬菜产量灰色预测模型 GM（1，1）的建立及其相关性分析［J］．广东农业科学，2018，45（7）：157-164．
-
[13] 黄敬峰，陈拉，王秀珍．水稻生长模型参数的敏感性及其对产量遥感估测的不确定性［J］．农业工程学报，2012，28（19）：119-129．
-
[14] 解毅，王鹏新，王蕾，等．基于作物及遥感同化模型的小麦产量估测［J］．农业工程学报，2016，32（20）：179-186．
-
[15] Samborski S M，Tremblay N，Fallon E．Strategies to make use of plant sensors-based diagnostic information for nitrogen recommendations［J］．Agronomy Journal，2009，101：800-816．
-
[16] Raun W R，Solie J B，Stone M L，et al．Optical sensor-based algorithm for crop nitrogen fertilization［J］．Communications in Soil Science and Plant Analysis，2005，36：2759-2781．
-
[17] Xia T T，Miao Y X，Wu D L，et al．Active optical sensing of spring maize for in-season diagnosis of nitrogen status based on nitrogen nutrition index［J］．Remote Sensing，2016，8（7）：605-627．
-
[18] Raun W R，Solie J B，Johnson G V，et al．In-season prediction of potential grain yield in winter wheat using canopy reflectance［J］． Agronomy Journal，2001，93（1）：131-138．
-
[19] Lukina E V，Freeman K W，Wynn K J，et al．Nitrongen fertilization optimization algorithm based on in-season estimates of yield and plant nitrogen uptake［J］．Journal of Plant Nutrition，2001，24（6）：885-898．
-
[20] Barker D W，Sawyer J E．Using active canopy sensors to quantify corn nitrogen stress and nitrogen application rate［J］．Agronomy Journal，2010，102（3）：964-971．
-
[21] Ali A M，Thind H S，Sharma S，et al．Prediction of dry directseeded rice yields using chlorophyll meter，leaf color chart and GreenSeeker optical sensor in northwestern India［J］．Field Crop Research，2014，161：11-15．
-
[22] Teal R K，Tubana B，Girma K，et al．In-season prediction of corn grain yield potential using normalized difference vegetation index［J］．Agronomy Journal，2006，98：1488-1494．
-
[23] Sanderson K R，Fillmore S A E．Slow-release nitrogen fertilizer in carrot production on Prince Edward Island［J］．Canadian Journal of Plant Science，2012，92：1223-1228．
-
[24] De Souza R，Pena-Fleitas M T，Thompson R B，et al．Assessing performance of vegetation indices to estimate nitrogen nutrition index in pepper［J］．Remote Sensing，2020，12（5）：1-18．
-
[25] 费聪，王维成，李阳阳，等．利用Greenseeker法诊断甜菜氮素营养状况［J］．江苏农业科学，2018，46（4）：128-130．
-
[26] Ji R T，Min J，Wang Y，et al．In-season yield prediction of cabbage with a hand-held active canopy sensor［J］．Sensors，2017，17：1-14．
-
[27] Chlingaryan A，Sukkarieh S，Whelan B．Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture：A review［J］．Computers and Electronics in Agriculture，2018，151：61-69．
-
[28] Shakeel A，Asad A K，Muhammad K，et al．Response of maize cultivars to various nitrogen levels［J］．European Journal of Experimental Biology，2018，8（1）：1-4．
-
[29] 沈迪，陈龙正，路晓华，等．苏南地区29个秋冬茬芹菜品种资源评价［J］．浙江农业学报，2020，32（4）：653-660．
-
[30] Lofton J，Tubana B S，Kanke Y，et al．Estimating sugarcane yield potential using an in-season determination of normalized difference vegetative index［J］．Sensors，2012，12（6）：7529-7547．
-
[31] Wang Y，Wang D J，Zhang G，et al．Estimating nitrogen status of rice using the image segmentation of G-R thresholding method ［J］．Field Crops Research，2013，149：33-39．
-
[32] Gnyp M L，Miao Y X，Yuan F，et al．Hyperspectral canopy sensing of paddy rice aboveground biomass at different growth stages［J］．Field Crops Research，2014，155：42-55．
-
[33] Cao Q，Miao Y X，Shen J N，et al．Improving in-season estimation of rice yield potential and responsiveness to topdressing nitrogen application with crop circle active crop canopy sensor［J］． Precision Agriculture，2015，17（2）：136-154．
-
[34] 贺志远，朱艳，李艳大，等．中国南方双季稻氮营养指数及产量估算模型研究［J］．南京农业大学学报，2017，40（1）：11-19．
-
[35] 杨雄，张有民，王迪轩，等．芹菜科学施肥及注意事项［J］． 长江蔬菜，2020（1）：69-72．
-
摘要
高效、精准的产量预测对于优化芹菜（Apium graveolens L.）产量管理和指导后期农业决策具有重要意义。 为建立一种实时、准确的芹菜当季产量预测方法，采用田间试验方法，对 2 年不同品种和不同施氮处理芹菜进行田间试验，以 GreenSeeker 冠层光谱仪为例，获取芹菜冠层植被归一化指数（NDVI）及产量等，通过建模和验证分析，探明冠层光谱仪对芹菜当季产量潜力预测的可行性与准确性。相关分析结果表明，冠层 NDVI 测定值与 2 种芹菜产量显著相关，相关系数分别为 0.583 ～ 0.805（西芹，XQ）和 0.256 ～ 0.922（药芹，YQ）。回归分析结果表明，移栽后 30 ～ 70 d 测定的冠层 NDVI 值可预测芹菜当季产量，模型类型对预测结果准确性无显著影响，R 2 值为 0.51 ～ 0.85。综合不同品种结果，冠层 NDVI 值可准确预测 XQ 和 YQ 两品种芹菜当季产量，R 2 值和 RMSE 值分别为 0.66 ～ 0.84 和 7.40 ～ 10.72。经验证，移栽后 60 和 70 d 时，验证方程的斜率分别为 0.95 和 1.05，预测产量和实测产量数据点均匀分布在 1∶1 线附近。因此，外叶生长盛期是利用冠层光谱仪进行芹菜产量预测的最早时期。研究表明，构建基于 NDVI 值的产量预测模型可准确预测芹菜的当季产量，也为芹菜作物和其他蔬菜作物的产量预测和养分管理提供理论依据和技术支撑。
Abstract
Efficient and precise yield prediction is critical to optimize celery（Apium graveolens L.）yield and guide successful agricultural decision making. In this study，a two-year field experiment was conducted to establish an in-season and accurate yield prediction model for celery by using the GreenSeeker hand-hold optical sensor. Two different cultivars Xiqing（XQ）and Yaoqing（YQ）were selected. Normalized difference vegetation index（NDVI）was measured at different stages with the model establishing and validating to test the feasibility and accuracy of GreenSeeker sensor-based yield prediction model. Pearson correlation analysis was performed to identify the relationship between the NDVI measurements and the harvested yield of celery，and the correlation coefficient was observed from 0.583 to 0.805 for XQ and from 0.256 to 0.922 for YQ. Regression analysis showed that the NDVI measurements at 30~70 d after transplanting could predict in-season yield of celery accurately，with R 2 values ranged from 0.51 to 0.85，and no significant difference existed between different predict models. Combining the results of different cultivars，the canopy NDVI measurements could predict the in-season yield of XQ and YQ，and the R 2 and RMSE values were ranged from 0.66 to 0.84 and from 7.40 to 10.72，respectively. It was verified that the slopes of the validation equations were 0.95 and 1.05 at 60 and 70 d after transplanting，respectively. The data points of predicted yield and measured yield were evenly distributed around the 1∶1 line，indicating that the outer leaf flourish stage was the earliest stage for yield prediction with the canopy sensor. Therefore，establishing a yield prediction model based on NDVI measurements can accurately reflect the in-season yield of celery and provide theoretical basis for the yield prediction and precise nutrient management of celery and other vegetable crops.