学术中心
通过日期融合提升基于多光谱和RGB图像的小麦籽粒产量田间表型分析模型性能
发布时间:
2025-03-17
来源:
作者:
本研究评估了通过无人机(UAV)获取的多光谱(MS)和RGB影像在田间试验中预测小麦籽粒产量(GY)的潜力。我们研究了单日期测量以及最佳多日期策略在德国东南部和东部多个地点和年份中的表现差异。在整个生长季节中,采集了基于无人机的多光谱和RGB数据,并利用植被指数开发了机器学习模型来预测籽粒产量。结果显示,单日期预测的准确性存在差异,后期阶段,尤其是籽粒灌浆期的预测表现更为优异。结合多个日期的数据能够提升籽粒产量(GY)的预测精度,尤其是包含6月采集的数据(通常对应籽粒灌浆期)时,多日期模型的预测准确性显著提高。然而,不同年份和地点的最佳日期组合存在差异。总体来看,多光谱(MS)数据的表现略优于RGB数据,但在某些特定情况下,尤其是在生长后期阶段,RGB数据显示出了优势。本研究为优化基于无人机的表型分析在小麦育种试验中的应用提供了重要见解,强调了测量时机和传感器选择对于提高小麦籽粒产量(GY)预测准确性的关键作用。
表1 试验小区水平小麦籽粒产量描述性统计[ g m-2 ]。SD:标准差;CV:变异系数;N:样方数。
图1 小麦籽粒产量的决定系数(R²)时间序列,根据地点(HZ = Herzogenaurach,黑措根奥拉赫 和 MR = Morgenrot,柏林)及年份(2020-2023)分组。R²值以日期(格式:日.月,dd.mm)和BBCH生长阶段(括号内标注,BBCH为“生物联邦研究所、联邦品种局和化学工业”的缩写,Meier, 2018)为标注。“all”标签表示包含一个地点和年份内所有可能的测量日期。
图2 在试验中,每个指数的偏最小二乘回归(PLSR)模型的决定系数(R²)及包含的测量日期数量,按照地点和年份分组进行了统计。MS和RGB分别代表多光谱和可见光植被指数。为便于比较,采用二阶多项式函数拟合趋势线。
图3 每个测量日期对所有MS数据组的平均决定系数(R²)的影响,按每个试验的日期组合(列)的数量年组合计算。(计算:包含日期的日期组合的平均R²减去不包含日期的日期组合的平均R²)。
图4 各年份试验组合中 MS 数据决定系数 (R²) 的前十个最低值和最高值。条形图中的数字表示日期组合(3 = 3 月、4 = 4 月、5 = 5 月、6 = 6 月和 7 = 7 月)。
图5 各年份 x 试验组合中 MS 数据的最低和最高判定系数 (R²)。中间的 R² 值来自两个和三个测量日期,它们是单次测量中最差的。条形图中的字母表示日期组合(MR=3 月、AR=4 月、MY=5 月、JN=6 月和 JL=7 月)。
Heinemann, P., Prey, L., Hanemann, A. et al. Enhancing model performance through date fusion in multispectral and RGB image-based field phenotyping of wheat grain yield. Precision Agric 26, 20 (2025).
编辑
小安
推荐新闻
视频展示