通过整合无人机数据的光谱、结构和纹理特征对玉米生物量进行估算


发布时间:

2025-07-22

来源:

作者:

在田间尺度上快速准确地估算玉米地上生物量(AGB)和器官生物量对于监测作物生长和预测产量至关重要。然而,利用无人机(UAV)遥感技术估算作物器官生物量的研究有限。本研究使用多光谱(MS)相机和激光雷达(LiDAR)传感器在两个试验区域采集玉米不同生长阶段的数据,并分析了整个生长季玉米器官生物量的变化。通过将不同类型的无人机遥感指标和机器学习相结合,准确地估算了玉米器官生物量和AGB,并发现由MS数据衍生的特征对于叶片生物量和穗部生物量的估算作用重大,而由LiDAR数据衍生的结构特征在茎秆生物量的估算中作用更大。
 
本研究对利用无人机遥感技术进行器官级玉米生物量估算的可能性进行了一项新颖的探索。利用从无人机遥感数据中提取的植被指数(VI)、结构指标(SF)、纹理指标(TF)以及两个集成学习模型(RFR和XGBR)对玉米器官生物量和AGB进行了估算。本研究的研究目标为: (1)研究玉米叶片、茎秆、穗部生物量和AGB的估算,以及它们在整个生长季的变化规律;(2)比较不同指标和模型估算玉米AGB的效果;(3)确定不同指标组合和模型估算玉米器官生物量的性能。结果表明: (1)抽雄期后,叶片和茎秆生物量几乎停止变化。与叶片生物量相比,茎秆和穗生物量与AGB的相关性更强。(2)通过将更多指标纳入集成学习模型,AGB估算得到了改进,其中包含所有指标的RFR模型达到了最佳估算精度(R² = 0.917,RMSE = 189.664 g/m²,rRMSE = 21.2%,MAE = 124.617 g/m²)。(3)使用所有指标作为输入变量,及将VIs与TFs结合作为输入变量时的模型,叶片和穗部生物量的估算结果具有更好的估算精度,这表明MS数据对叶片和穗生物量的估算具有显著作用,而SFs在茎秆生物量的估算中发挥了重要作用。

 

 文章流程图

 

 两个地区不同部位器官生物量在整个生育时期的变化及生物量之间的相关性:

(a-b)通辽;(c-d)新乡

 

 玉米AGB估算结果图:(a)TFs与SFs共同作为输入变量时RFR的估算结果;

(b)VIs、TFs与SFs共同作为输入变量时RFR的估算结果

 

 玉米各器官生物量估算结果图:(a-c)两类遥感指标作为输入参数时模型在叶片、茎秆和穗部生物量中的最佳估算结果;(d-f)三类指标作为输入参数时模型在叶片、茎秆和穗部生物量中的最佳估算结果

 

 不同器官生物量在不同指标组合下的估算精度对比图

 

 不同地区(a)、不同种植密度(b)、不同品种(c)的玉米AGB差异

 
来 源

Meng, L., Ming, B., Liu, Y., Nie, C., Fang, L., Zhou, L., Xin, J., Xue, B., Liang, Z., Guo, H., Yin, D., & Jin, X. (2025). Maize biomass estimation by integrating spectral, structural, and textural features from unmanned aerial vehicle data. European Journal of Agronomy, 168

 

作者介绍

论文第一作者为中国农业科学院的博士生孟麟,论文通讯作者为中国农科院作物科学研究所的殷大萌副研究员和金秀良研究员。本研究得到了中国国家重点研发计划(2023YFD1202500)、中国农业科学院南繁专项(YBXM2401、YBXM2402、PTXM2402)、国家自然科学基金(42071426、42301427)、农业决策平台智能大脑关键技术研究与应用(2021ZXJ05A03)、中国农业科学院农业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。