基于无人机激光扫描数据的小麦结构性状估计-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于无人机激光扫描数据的小麦结构性状估计

发布时间：

2025-03-07

来源：

作者：

无人机（Unmanned Aerial Vehicles）配备了传感器，如激光扫描仪，为农业中传统的、劳动密集型的人工测量提供了一种替代方案，因为它们可以实现精确和非破坏性的实地调查。对基于无人机的激光扫描技术（RIEGL miniVUXSYS）在冬小麦作物高度和作物面积指数（plant area index，PAI）估算中的应用进行了评价。进一步引入一种新的地面分类方法，通过强度和脉冲形状偏差等传感器属性增强生长早期的分类能力。作物高度估计具有较高的R2评分（99.69%），但系统估计较低，平均绝对误差为7.4 cm。用三种不同的估计策略分析了PAI衍生的潜力，并提供了该方法的概述和局限性。基于扫描角度和消光系数自适应的附加加权得到的结果R2为97.66%，平均绝对误差为0.25。进一步讨论了计算出的间隙分数的影响，间隙分数描述了激光穿透作物冠层的比例与总测量次数的比较。

图1 冬小麦地块以Trebelier & Milaneco鉴定地块和区域为参考测量值。

图2 基于无人机的激光扫描测量系统，以相应的飞行模式进行数据采集。

图3 基于特征的k-均值分类方法。

图4 基于作物表面模型的第99百分位的作物高度推导。预处理步骤使用分类点云对DEM和DSM进行栅格化处理。

图5 扫描几何与分离扫描角度类。

图6 估计作物高度的时间序列。

图7 基于两种不同估计方法的参考测量值之间的PAI比较。

图8 对PAI计算的均方根误差和估计结果进行分析。

图9 计算出不同品种分离的间隙分数nb/n。

来源

Dreier, A., Lopez, G., Bajracharya, R. et al. Structural wheat trait estimation using UAV-based laser scanning data: Analysis of critical aspects and recommendations based on a case study. Precision Agric 26, 18 (2025).

编辑

王春颖

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示