基于无人机LiDAR和株高时序的玉米抽雄期识别与预报方法-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LiDAR和株高时序的玉米抽雄期识别与预报方法

发布时间：

2025-06-27

来源：

作者：

抽雄期是玉米生产管理、育种制种的关键时期和重要性状。当前物候监测方法多为基于作物全生长周期数据进行回顾性监测，无法及时为田间决策提供支持。从单时相无人机影像中获取多维特征可近实时进行物候分类，但空间分辨率、训练数据集、种植方式等因素对其表现有一定影响，限制了其应用范围。如何及时、准确、高效地监测玉米关键生育时期还需进一步探究。

本研究利用玉米抽雄期后株高停止生长的特点，通过提取玉米株高生长的逻辑斯蒂曲线拐点，实现了玉米抽雄期的准确识别和短期预报，并讨论了时序特征提取方法、自变量（自然日与有效积温）、传感器类型（RGB数码相机与激光雷达）、时间分辨率等因素对抽雄期监测精度的影响。

作者使用无人机载激光雷达估计的株高时间序列和Logistic函数建立了株高生长曲线，基于kneedle算法、一阶导数、三阶导数和曲率特征提取拐点，评价其识别抽雄期的表现。其中，使用kneedle算法提取的拐点（K）能在多密度和播期条件下较好的表征玉米抽雄期（RMSE: 2.95天）。相较于自然日，在不同播期场景下使用有效积温作为自变量有助于提高抽雄期识别精度。分别使用不同传感器和不同时间分辨率数据识别抽雄期，结果表明，使用机载激光雷达的抽雄期识别结果优于RGB传感器，适宜的数据获取间隔为7天左右。基于早期株高时间序列和Logistic函数，设置株高增长率（r），预测株高生长趋势并提取特征点实现了玉米抽雄期的短期预报。预测时机和株高增长率是决定抽雄期预报准确度的主要因素，本研究测试了不同组合对抽雄期预测精度的影响。结果表明，当株高增长率（r）设置为0.126左右，株高生长至1.6m以上时进行抽雄期预报的准确性较好（RMSE: 3.90天）。

该研究表明，冠层结构参数对于遥感物候监测具有重要作用。基于本文提出的方法可对玉米抽雄期进行高分辨率制图，为抽雄期高通量鉴定、田间管理提供依据。

图1 玉米抽雄期识别和预测流程图。

图2 玉米株高生长与抽雄期的关系。

图3 在不同实验处理和自变量下，使用CHTSLiDAR + K 识别抽雄期的MAE。TD，抽雄日期；CHTSLiDAR，通过激光雷达估算的冠层高度时间序列；DOY，一年中的第几天；AGDD，累计生长度日；K，从冠层高度时间序列中提取的拐点；MAE，平均绝对误差。

图4 在不同时间分辨率条件下使用激光雷达（A）和RGB相机（B）识别抽雄期的MAE。TD，抽雄日期；MAE,平均绝对误差；K，使用kneedle算法从曲线中提取的拐点；Cmin，曲率最小值点；d0.02，曲线的一阶导数为0.02的点；d50%，曲线归一化的一阶导数为0.5的点；d³max，曲线三阶导数最大值点。

图5 预设的株高增长率（r）与预报时机（CHthres）对抽雄期预报结果的影响

图6 新方法识别与预报抽雄期的准确度。

图7 玉米抽雄期空间分布。DOY，年积日。

来源

Liu, Y., Nie, C., Li, L., Shi, L., Liu, S., Nan, F., Cheng, M., Yu, X., Bai, Y., Jia, X., Li, L., Bai, Y., Yin, D., & Jin, X. (2025). Maize tasseling date forecast from canopy height time series estimated by UAV LiDAR data. The Crop Journal, 13(3), 975-990. https://doi.org/https://doi.org/10.1016/j.cj.2025.03.013

作者介绍

论文第一作者为中国农业科学院作物科学研究所硕士刘亚东，论文通讯作者为中国农业科学院作物科学研究所的金秀良研究员和殷大萌副研究员。本研究得到了新一代人工智能国家科技重大专项（2022ZD0115701）、中国农业科学院南繁专项（YBXM2305，YBXM2401，YBXM2452，PTXM2402）、国家自然科学基金项目（42071426，42301427）和中国农业科学院科技创新工程的支持。

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

新华社：探访“黑科技” ，感受智能育种

专题报道