基于无人机的麦田多视角热成像差异及其来源分析-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

基于无人机的麦田多视角热成像差异及其来源分析

发布时间：

2025-07-12

来源：

作者：

冠层温度（Canopy Temperature，CT）常用于表示地表植被的热力与水分状态，现多基于无人机热成像技术测量CT作为气孔导度和蒸腾作用的替代指标。但冠层温度易受多种因素相互作用影响，因此本研究利用无人机搭载热像仪基于多视角方法对冬小麦的两个试验品种进行多次飞行，以对CT进行方差成分分析。

为了揭示CT和其他特征之间的关系，本文对混杂方差源(例如热漂移、空间趋势、几何效应)进行了校正，表型性状之间的相关性得到了加强。结果显示，时间趋势始终是最重要的混杂变量来源，其次是空间趋势。平均而言，时间、空间、基因型、不同处理和几何效应共同解释了初始方差的最大部分，超过96.5%的初始方差可以用试验和混杂源的组合来解释。

本文通过以不同飞行路径多次飞行应对空间趋势估计及其与时间趋势分离的挑战。基于广泛和多样的数据，本研究提供了对CT测量中多种差异来源的全面见解。同时，作者强调CT的短暂特性及其与环境的强烈相互作用。多视图热成像作为一种手段，本研究结果促进了对基于无人机的CT估计中方差分量的全面和经验支持的理解，有助于品种测试、育种规划和基于无人机的CT分析。

图1. 计算太阳、地块和无人机之间的几何关系

图2. 分步校正过程

图3. 校正时间趋势、几何效应；评估不同处理影响；评估基因型和基因型-处理相互作用影响

图4. 不同校正步骤CT估计值的方差以及CT和实际参考测量之间的关系

图5. CT与基因型EuVar(a-d)和SwiVar(e-h)的实际参考测量值相关性

图6. 2021年06月19日12：30(a-c)和2022年06月18日11：40(d-f)SwiVar首飞CT估计值的几何趋势

来源

S. Treier, L. Roth, A. Hund, H. Aasen, L.L. Häner, N. Vuille-dit-Bille, A. Walter, J.M. Herrera, Analysis of variance and its sources in UAV-based multi-view thermal imaging of wheat plots, Plant Phenomics,https://doi.org/10.1016/j.plaphe.2025. 100046.

编辑

JAYz

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