学术中心
无人机热红外图像在玉米叶面积指数估算中的应用潜力
发布时间:
2021-05-28
来源:
本站
作者:
PhenoTrait
叶面积指数(LAI)是与植物活力和生物量密切相关的重要表型性状,也是作物生长模型中使用的关键参数。然而,现场人工测量LAI可能很慢且劳动强度大。高分辨率遥感,如无人机(UAS),已被探索用于LAI估计,但数据来源有限,通常是RGB和多光谱图像。随着基于无人机热红外(TIR)成像技术在农业上的广泛应用,其在改善LAI估计方面的潜在作用越发值得研究。本文评估了在育种背景下(23个基因型)用基于无人机的TIR和多光谱图像测量的冠层温度对玉米LAI定量的重要性。
研究区域:(a)正马赛克和玉米地块,(b)其在内布拉斯加州的位置,(c)地面控制点和气象站位置的试验设计。
首先,从图像中提取5个地块级特征(冠层温度、结构和两个常用植被指数),并将其作为LAI估计的机器学习模型的输入。然后,通过5倍交叉验证,对162个样本进行了30次随机重复,评估了估计的性能。结果表明,冠层温度和冠层结构作为模型预测因子,对LAI估计值(均方根误差,RMSE为0.853m2/m2,决定系数,R2为0.740),比无温度差异的模型(RMSE为0.917m2/m2,R2为0.706)高。此外,冠层温度在估测叶面积指数方面比株高和图像均匀性表现出中等和更稳定的显著性。在本研究中,用随机森林模型对估算结果的贡献与植被指数相当,甚至更高。这些关系可能会改变一个单一的或更少的基因型,可以在未来的研究中继续探索。
随机森林LAI估计中的特征重要性
来源:
Wang L, Li J, Zhao L, et al. Investigate the potential of UAS-based thermal infrared imagery for maize leaf area index estimation. Proceedings Volume 11747, Autonomous Air and Ground Sensing Systems for Agricultural Optimization and Phenotyping VI; 1174703 (2021) https://doi.org/10.1117/12.2586694.
推荐新闻
视频展示