结合无人机图像和高程数据的小麦株高和生物量估算


发布时间:

2023-01-17

来源:

植物表型资讯

作者:

PhenoTrait

地上生物量(AGB)是小麦产量形成的重要基础。及时收集AGB数据对监测小麦长势、建立高产小麦群体具有重要意义。传统的AGB数据采集依赖于破坏性采样,难以适应农业现代化发展趋势,仅靠光谱数据评估精度低,不能解决后期指标饱和问题。
 
本研究利用装有RGB相机和RTK的无人机同时获取小麦关键生育期的影像数据和高程数据,然后利用累积百分位数和均值法提取小麦株高(PH),并结合颜色指数(CIS)和PH利用参数模型和非参数模型进行小麦AGB反演。结果表明,基于CIS评估方法的PH精度最低,模型精度随高程数据的增加而提高;多生育期预测精度最高的模型为PLSR(PH+CIS),其R2、RMSE和NRMSE分别为0.81、1248.48 kg/ha和21.77%。与参数模型相比,结合PH和CIS的非参数模型显著改善了小麦关键育性时期的AGB预测,且非参数模型更容易受到PH参数的影响。PLSR (CIS + PH)模型具有较高的精度和稳定性。因此,与传统的光谱预测模型相比,高程数据的加入极大地提高了小麦AGB预测的精度。无人机高程数据与图像信息的融合为小麦AGB监测提供了新的技术手段。

 

图1. 本研究的主要工作流程 

 

表1. 本文引用的植被指数

 

表2.来自试验1和试验2数据集中小麦生长阶段PH值和AGB的描述性统计。注:PH值:株高;AGB:地上生物量;SD:标准差;CV:变异系数。

 

图2. 利用累积百分位法根据高程数据估算株高的结果。注:(a)决定系数;(b)均方根误差;(c)归一化均方根误差。

 

图3. (a)累积百分位法和(b)平均值法测定株高(cm)与估算株高(cm)的关系

 

图4. 颜色指数与地上生物量的相关系数(r)。注:*表示p < 0.05时显著,**表示p < 0.01时显著。

 

图5. 基于颜色指数的地上生物量估算结果。其中,(a-c)拔节期、(d-f)孕穗期、(g-i)开花期、(j-l)全生育期。

 

图6. 基于(颜色指数+株高)的地上生物量估算结果。其中,(a-c)拔节期、(d-f)孕穗期、(g-i)开花期、(j-l)全生育期。

 

图7. 基于(颜色指数+株高)在不同阶段采用5种回归模型地上生物量(kg/ha)实测值与预测之间的关系。注:(a-e)拔节期,(f-j)孕穗期,(k-o)花期,(p-t) 全生育期。

 

来 源

Wang, D.; Li, R.; Zhu, B.; Liu, T.; Sun, C.; Guo, W. Estimation of Wheat Plant Height and Biomass by Combining UAV Imagery and  Elevation Data. Agriculture 2023, 13, 9.

 

编 辑

24个比利

 

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。