基于多时相无人机数码影像的玉米倒伏严重度评估版-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于多时相无人机数码影像的玉米倒伏严重度评估版

发布时间：

2023-02-03

来源：

植物表型资讯

作者：

PhenoTrait

倒伏是玉米生长期内常见的农业灾害之一，会破坏玉米的光合作用，甚至影响产量、品质和机械收获。近年来，无人机遥感凭借其简单、便利、高空间分辨率、成本低等优势，在获取作物生长情况、营养状态及各种胁迫等研究中得到越来越多的应用。国内外学者利用无人机对作物倒伏监测也开展了相关研究。目前这些研究多集中于作物倒伏的定性评估，如通过分类的方式将作物分为倒伏和未倒伏两种情况，或是在一定尺度上对作物倒伏受灾面积进行统计，对作物倒伏严重程度方面的研究相对较少。不同倒伏等级的玉米恢复能力也大不相同，也会对产量造成不同程度的影响，因此有必要对玉米倒伏等级进行评估。植物表型资讯介绍如下。

本研究通过对倒伏发生前后的多时相无人机低空数码影像的变化进行分析，实现小区尺度的玉米倒伏严重度评估。以因狂风暴雨导致部分玉米发生倒伏的492个育种小区为研究对象，分别提取倒伏前后数码影像的光谱、颜色信息、纹理特征（图1），根据多时相提取参数的变化量与实测倒伏样本进行相关性分析，并利用Boruta算法筛选玉米倒伏严重度敏感参数，采用两种线性回归方法和三种机器学习方法构建基于敏感参数的玉米倒伏严重度监测模型，基于野外实测样本进行精度评价，并对未采样小区进行灾情评估及制图。

图1 单时相无人机影像参数提取流程

结果表明：基于无人机数码影像提取的56个参数与玉米倒伏严重度相关性最高的分别是饱和度和明度，相关系数分别为-0.92和0.81，利用Boruta算法筛选出22敏感于玉米倒伏严重度的参数（图2）。在构建的5种玉米倒伏严重度回归模型中，PLS最差，整体精度为68.42%，Kappa系数为0.5，RF最优，整体精度为89.47%，Kappa系数为0.84（图3）。利用最优预测模型对未采样小区进行玉米倒伏灾情评估并制图，从倒伏灾情评估图可知实验区内玉米倒伏较为普遍，其中轻度倒伏最多，重度较少（图4）。该研究表明无人机遥感能够有效地应用于育种小区的倒伏信息获取，这可能有助于育种学家快速找到抗倒伏育种材料。

图2 基于Boruta算法的玉米倒伏严重度敏感参数筛选结果

图3 不同回归模型的玉米倒伏严重度估算精度

图4 基于最优估算模型预测的玉米倒伏严重度制图

来源

Shu Meiyan, Bai Kai, Meng Lei, Yang Xiaohong, Li Baoguo, Ma Yuntao. Assessing maize lodging severity using multitemporal UAV-based digital images. European Journal of Agronomy, 2023, 126754.

作者介绍

论文第一作者为中国农业大学土地科学与技术学院博士研究生束美艳，论文通讯作者为马韫韬教授，合作者包括中国农业大学的李保国教授和杨小红教授、西密歇根大学Lei Meng博士、内蒙古呼伦贝尔生态环境监测站白凯工程师。中国农业大学数字农业研究团队主要研究方向为植物功能-结构-环境互作的系统仿真与数字孪生、基于机器视觉的植物生长信息的数据挖掘与应用、无人机大规模育种性状快速调查、育种机器人与农用传感器创制、多源传感器融合及数字农业应用、人工智能与智慧农业等研究。长期招收多名硕士、博士研究生和合作博士后，有意者请联系：yuntao.ma@cau.edu.cn。