河南大学副教授在国际知名期刊（IF=8.4）上发表研究成果

本研究针对小麦抗旱性评估的传统方法存在破坏性、耗时费力等问题，利用无人机遥感技术与机器学习算法相结合，对52份小麦种质在充足灌溉和干旱条件下的表型数据进行了高通量采集和分析。研究共获得206个光谱指标，其中127个与小麦干旱响应显著相关，涵盖了植被覆盖度、水分含量等多个生理维度。研究发现10个与籽粒表型相关的光谱指标，并利用随机森林模型筛选出17个关键指标，解释了干旱条件下产量稳定性变异的48.84%。研究鉴定出1个高度抗旱种质和13个抗旱种质，验证了无人机技术在抗旱性评估中的有效性，为小麦抗旱育种提供了创新性解决方案。