基于高分辨率无人机多光谱影像的西非大豆估产研究


发布时间:

2022-07-04

来源:

本站

作者:

PhenoTrait

  大豆是一种豆科油料作物,随着撒哈拉以南非洲地区对油料和饲料需求的不断增加,大豆在保障油料供给中的作用日益凸显。然而,在撒哈拉以南的非洲地区,特别是西非地区,大豆产量较低,每公顷产量不到1吨。因此,国际热带农业研究所 (International Institute of Tropical Agriculture, IITA) 与非洲和美国的相关育种机构合作,协同开展大豆品种研发和测试工作。建立以表型分析技术为基础的品种评估新方法,有助于实现作物遗传改良,对推进IITA的大豆品种研发工作具有重要意义。因此,本研究探索基于无人机和机器学习技术的大豆估产方法,旨在利用高通量表型分析技术提高大豆育种效率、促进高产品种选育。

 

  本研究利用senseFly eBee X固定翼无人机搭载的Parrot Sequoia多光谱相机,分别在五个不同的大豆品种试验中获取无人机多光谱影像。然后利用不同波段的反射率、植被指数、三维点云提取的大豆株高和灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)生成的影像纹理特征,构建基于无人机多光谱影像的大豆估产模型。本研究分别利用五种不同的机器学习算法建立大豆估产模型,包括Cubist,极限梯度提升(Extreme Gradient Boosting, XGBoost),随机梯度提升(Stochastic Gradient Boosting, GBM),支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)。实验结果显示,影像纹理特征比植被指数的估产效果更佳,因此可以替代植被指数成为更有效的大豆估产指标(图1)。此外,使用的五个机器学习算法均表现出较高的估产精度(图2),其中Cubist 和RF的估产精度最高,R2可以达到0.89。

 

  因此,本研究提出了一种基于无人机遥感技术的大豆估产方法,为大豆品种评估提供了新的技术思路,不但可以提高品种评估效率,还可以从空间尺度对品种特性进行分析(图3),有助于进一步挖掘品种特性和缩短育种周期。

 

  图1 大豆估产模型精度

 

  图2 不同机器学习算法的估产精度

 

  图3 大豆实测产量与模型估测产量的空间分布图对比

 

  来源:Tunrayo R. Alabi, Abush T. Abebe, Godfree Chigeza, et al. Estimation of soybean grain yield from multispectral high-resolution UAV data with machine learning models in West Africa. Remote Sensing Applications: Society and Environment, 2022, 27: 100782.

  

  编辑:段博

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。