利用消费级无人机多光谱图像快速预测冬小麦产量和氮素利用效率


发布时间:

2022-12-19

来源:

植物表型资讯

作者:

PhenoTrait

产量和氮利用效率(NUE)的快速准确评估对于作物生长监测、肥料有效利用和精确管理至关重要。本研究通过使用独立于生长期的通用植被指数,探索了消费级DJI Phantom 4多光谱(P4M)相机在冬小麦产量或NUE评估中的潜力。通过皮尔逊相关分析,确定了在整个生长季节中与产量或NUE有较强相关性的三个植被指数,同时在不同生长时期采用了基于上述植被指数的多元线性回归(MLR)、逐步MLR(SMLR)和偏最小二乘回归(PLSR)方法。研究结果表明,倒数比植被指数(repRVI)在整个生长季具有很高的产量评估潜力,灌浆后期被认为是最佳的单一阶段,R2、均方根误差(RMSE)和平均绝对误差(MAE)分别为0.85、793.96和656.31 kg/ha。MERIS叶绿素敏感指数 (MTCI)在营养生长期表现较好,对拔节期氮肥偏生产力(NPFP)的预测结果最好,R2、RMSE和MAE分别为0.65、10.53和8.90 kg yield/kg N。同时,改进的归一化蓝色指数(mNDblue)在生殖期的准确性更高,在籽粒灌浆后期为农艺NUE(aNUE)评估提供了最佳的准确性,R2、RMSE和MAE分别为0.61、7.48 和6.05 kgyield /kg N。此外,研究结果表明,模型的准确性不能通过增加输入特征的数量来提高。总的来说,消费级P4M相机适用于对重要作物性状的早期监测,为精准农业系统的发展提供一个具有成本效益的选择。
 

图1 本研究中的实验位置(A、B)、地块设计(E)、P4M平台(C)和校准面板(D)。

 

图2 不同氮素水平下的产量、氮偏生产力(NPFP)和农艺氮利用效率(aNUE)用平均值和标准差表示

 

图3 用平均值和标准差显示了不同品种下的产量、NPFP和aNUE。

 

图4 不同生长阶段下植被指数和农艺性状之间相关性的热图。

 

图5 基于所选VIs的LR模型对单一关键生长阶段的产量(A-C)和NUE(D-I)的预测结果。(A)产量预测的决定系数(R2)值;(B)产量预测的均方根误差(RMSE)值;(C)产量预测的平均绝对误差(MAE)值;(D)NPFP预测的R2值。(E) NPFP预测的RMSE值;(F) NPFP预测的MAE值;(G) ANUE预测的R2值;(H) ANUE预测的RMSE值;(I) ANUE预测的MAE值。

 

图6 基于所选VIs,利用MLR、SMLR和PLSR模型对整个生长季的产量(A-C)和NUE(D-I)预测结果。(A)产量预测的决定系数(R2)的值;(B)产量预测的均方根误差(RMSE)值;(C)产量预测的平均绝对误差(MAE)值;(D)NPFP预测的R2值;(E)NPFP预测的RMSE值;(F)用于NPFP预测的MAE值;(G)aNUE预测的R2值;(H)用于aNUE预测的RMSE值和(I)用于aNUE预测的MAE值。

 

图7 基于所有植被指数,用MLR、SMLR和PLSR模型对不同阶段的产量(A-C)和NUE(D-I)进行预测的结果。(A)产量预测的决定系数(R2)值;(B)产量预测的均方根误差(RMSE)值;(C)产量预测的平均绝对误差(MAE)值;(D)NPFP预测的R2值。(E) NPFP预测的RMSE值;(F) NPFP预测的MAE值;(G) ANUE预测的R2值;(H) ANUE预测的RMSE值;(I) ANUE预测的MAE值。

 

图8 P4M波段的反射率与ASD HH2光谱仪的地面测量反射率之间的相关性分析(A-E)和相应的NDVI(F)。

 

来 源

Liu J, Zhu Y, Tao X, et al. Rapid prediction of winter wheat yield and nitrogen use efficiency using consumer-grade unmanned aerial vehicles multispectral imagery[J]. Frontiers in Plant Science, 2022, 13.

 

编 辑

小王博士在努力

 

扩展阅读

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。