基于UVA多光谱图像的甘蔗氮素浓度及灌溉水平的预测


发布时间:

2022-05-15

来源:

本站

作者:

PhenoTrait

  甘蔗是制糖的主要经济作物,其生长状况与肥料、水分和光照密切相关。及时评估甘蔗的生长状况,并据此调整田间管理策略,对甘蔗的产量和品质具有重要意义。近年来,利用不同尺度的光谱图像进行遥感被认为是预测作物生长和产量的有效高通量表型方法,基于无人机 (UA V) 的多光谱图像广泛用于高通量表型分析可以快速预测田间作物的活力。本文重点研究了无人机多光谱图像在预测甘蔗冠层氮浓度 (CNC) 和灌溉水平方面的潜力。本研究在甘蔗田中进行了试验,采用三种灌溉水平和五种施肥水平,并获得了海拔 40 m 处的多光谱图像。采用偏最小二乘法(PLS)、反向传播神经网络(BPNN)和极限学习机(ELM)建立基于波段反射率和植被指数的各种组合的CNC预测模型。选择简单比率色素指数(SRPI)、归一化色素叶绿素指数(NPCI)和归一化绿蓝差异指数(NGBDI)作为模型输入,这些指标与CNC的灰色关联度较高且彼此之间的相关性较低。基于五波段反射率和三个植被指数的PLS模型达到了最佳精度(Rv = 0.79,RMSEv = 0.11)。然后使用支持向量机(SVM)和BPNN基于与灌溉水平高度相关的五个光谱特征对灌溉水平进行分类。 SVM 的准确率较高,达到 80.6%。本研究结果表明,高分辨率多光谱图像可以为甘蔗作物的CNC预测和灌溉水量识别提供有效信息。

 

  图1 甘蔗试验田的假彩色(NIR、R和G)马赛克图像。白色圆圈数字代表四个地面控制点。

 

  图2 提取的冠层的NDVI图像。36个白色圆圈数字代表36个采样区域,每个采样区域进一步划分为九个网格,如白色虚线所示。

 

  图3 基于五波段反射率的PLS和BPNN ELM模型的CNC预测结果。(a)PLS模型的校准结果;(b)BPNN模型的标定结果;(c)ELM模型的标定结果;(d)PLS模型的验证结果;(e)BPNN模型的验证结果;(f) ELM模型的验证结果。

 

  来源:Li, X.; Ba, Y.; Zhang, M. et al. Sugarcane nitrogen concentration and irrigation level prediction based on UAV multispectral imagery. Sensors, 2022, 22, 2711. https:// doi.org/10.3390/s22072711

 

  编辑:张玉

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。