基于机器学习技术无人机遥感在芒草高通量表型分析和产量预测中的应用


发布时间:

2022-07-16

来源:

本站

作者:

PhenoTrait

  芒草是一种多年生草本作物。产量是芒草最重要的特征之一,也是过去十年来芒属植物研究的主要焦点。芒草的产量不仅取决于气候和土壤特征,还取决于作物年龄、收获时期和基因型/杂交类型。芒草在生物经济领域具有巨大潜力,产量预测有助于改善芒草的物流供应链。一些国家的育种项目正在尝试生产高产芒属杂交种,以更好地适应不同的气候和最终用途。本研究利用2021年和2022年在意大利和英国的无人机获取的多光谱图像,研究了新型芒草杂交品种的高通量表型(HTP)用于产量预测和作物性状估计的可行性。利用PROSAIL模型的模拟数据进行相互校准,将两个不同的多光谱传感器得出的植被指数(VIs)联系起来。随机森林算法利用VIs时间序列对产量性状(光截获量、株高、绿叶生物量和现存生物量)进行了较好的估计,利用由VIs时间序列峰值描述符预测产量,RMSE为2.3 Mg DM ha-1。该研究证明了无人机多光谱技术在HTP应用和产量预测方面的潜力,为提高多年生作物产量提供了重要信息。

 

  图1 芒草性状在PAC 1和TWS 1两个位置的频率分布:(a) 光截获(%), (b) 株高(cm), (c) 绿叶生物量(Mg DM ha-1)和(d) 现存生物量(Mg DM ha-1)。

 

  图2 四种芒草杂交品种在PAC 1和TWS 1上的估计与实测作物性状的比较:(a) 光截获(%), (b) 株高(cm), (c) 绿叶生物量(Mg DM ha-1)和(d) 现存生物量(Mg DM ha-1)。

 

  图3 (a) 广义相加模型(GAM)拟合的5个指数(GNDVI、greenWDRVI、MTVI2、NDVI、WDRVI)在PAC 1中芒草生长季的时间序列。(b) 由VIs的完整时间序列导出的VIs峰值与由VIs的部分时间序列导出的VIs峰值的变化。x轴表示PAC 1中该季节无人机飞行的DOYM。y轴表示在PAC 1中导出的季节结束时的峰值和从部分时间序列拟合到无人机飞行DOYM的峰值之间的峰值差异。

 

  图4 用于产量预测的RF模型的NRMSE值,利用从完整时间序列得出的VIs峰值进行训练,并利用从部分时间序列得出的VIs峰值进行测试。

 

  来源:Impollonia, G., Croci, M., Ferrarini, A.et al. UAV Remote Sensing for High-Throughput Phenotyping and for Yield Prediction of Miscanthus by Machine Learning Techniques. 2022. doi:10.20944/preprints202206.0120.v1

  

  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。