利用无人机RGB成像获取植被指数加权冠层体积模型估算大豆生物量

利用无人机RGB成像获取植被指数加权冠层体积模型估算大豆生物量

本研究的目的是探讨UAS RGB图像衍生的光谱、结构和体积信息的潜力,以及利用提出的植被指数加权冠层体积模型(CVMVI)估算大豆地上生物量,植物表型资讯介绍如下:

低成本、高精度的作物生物量估算对于精准农业和高通量表型分析具有重要价值。无人机系统(UAS)最新技术的进步显著地促进了低成本、高空间、高光谱和高时间分辨率的数据采集。本研究的目的是探讨UAS RGB图像衍生的光谱、结构和体积信息的潜力,以及利用提出的植被指数加权冠层体积模型(CVMVI)估算大豆地上生物量(AGB)。

微信图片_20190418150123

图1.现场测试图

研究人员在美国密苏里州哥伦比亚市附近的一个田地里,利用低成本无人机收集整个大豆生长季节的RGB图像。然后通过基于UAS立体图像的摄影测量工作流程,利用运动(SfM)技术生成高密度点云。接着利用点云推导出冠层高度(CH)、冠层投影基底面积(BA)等二维(2D)冠层结构指标,以及冠层体积模型(CVM)等三维(3D)体积指标。且从RGB正摄投影中提取了多种植被指数(VIs),提出一种结合冠层光谱和体积信息的CVMVI模型。最后利用UAS导出的信息和现场实测的AGB建立了常用的回归模型,并进行留一法(Leave-one-out,LOO)交叉验证。

微信图片_20190418150126

图2.用于生物量估算的CVMVI的工作流程图

微信图片_20190418150129

图3.UAS与实测株高的关系图

结果表明:(1)一般情况下,冠层二维结构度量CH和BA与AGB的相关性高于VIs;(2)与2D结构度量相比,包含冠层水平和垂直属性的三维度量(例如CVM)能够更好的估算AGB(R2= 0.849; RRMSE = 18.7%; MPSE = 20.8%);(3)优化的CVMVI结合了冠层光谱和3D体积信息,优于其他指标,是估算AGB 最好预测因子(R2= 0.893; RRMSE = 16.3%; MPSE = 19.5%);此外,CVMVI对不同基因型的预测能力是相同的,这表明了其在高通量大豆生物量估算方面的潜力。另外,基于CVMVI的单变量回归模型预测AGB预测能力与多变量复杂回归模型相当,例如包含多个冠层光谱指数和结构度量的逐步多线性回归(SMR)和偏最小二乘回归(PLSR)。

微信图片_20190418150132

图4.不同基因型(a)和发育阶段(b)的LR模型测量与预测的AGB

综上所述,该研究揭示了冠层光谱、结构和体积信息及其组合(即CVMVI)对大豆AGB估算的潜力。CVMVI估算AGB简便有效,可用于高通量表型分析和精准农业生态应用和管理。

来源:

Maimaitijiang M, Sagan V, Sidike P, et al.Vegetation Index Weighted Canopy Volume Model (CVMVI) for soybean biomass estimation from Unmanned Aerial System-based RGB imagery.ISPRS. https://doi.org/10.1016/j.isprsjprs.2019.03.003.

微信图片_20190423133619

扩展阅读:

粽香情浓,植物表型资讯一周年目录汇总

植物表型资讯2018年1-12月目录汇总

植物表型资讯2019年1-3月目录汇总

微信图片_20190408151928