利用高分一号(GF-1)PMS图像识别玉米成熟期倒伏性状


发布时间:

2023-03-20

来源:

植物表型资讯

作者:

PhenoTrait

倒伏是导致农作物产量下降和品质下降的一大灾难,开发高效、快速、准确的作物倒伏面积分类方法,挖掘我国GF系列卫星图像在作物生长监测中的潜力是至关重要的。本研究旨在优化GF-1 PMS高空分辨率多光谱图像的图像特征,探索其在玉米倒伏监测中的应用潜力,为准确、高效地识别玉米倒伏提供稳健有效的方法。

 

本文基于五种机器学习方法(支持向量机SVM、随机森林RF、朴素贝叶斯NB、神经网络反向传播BP、XGBoost)对直立、中度倒伏和重度倒伏玉米的植被指数和纹理特征影像进行评估和分类,并尝试了光谱波段、光谱波段+植被指数、光谱波段+纹理特征、光谱波段+植被指数+纹理特征的不同特征组合。研究结果表明:(1)利用GF-1 PMS图像进行玉米倒伏识别,得到了灰度为0°、45°、90°、135°方向的平均纹理特征,以及均值、方差、相关性、对比度、相异度、同质性、角二阶矩和熵等纹理特征的组合。(2)将光谱波段、优化的植被指数和纹理特征相结合,对玉米倒伏进行分类,总体准确率为93.81%,Kappa系数为0.91。(3)随机森林是识别玉米倒伏的有效、稳健、简便的分类器,非倒伏区、中度倒伏区和重度倒伏区的F1得分分别为0.95、0.92和0.95。(4)GF-1 PMS图像在区域尺度上识别玉米倒伏具有很大潜力。

 

图1. 利用GF-1 PMS图像识别玉米倒伏的原理图

 

图2.非倒伏、中度倒伏和严重倒伏区域在四个光谱波段内的箱线图(a)和光谱差(b)

 

图3. 植被指数的重要性排序(a)及OOB误差(b)

 

图4.从东到西,从南到北的农田纹理特征。a-h分别代表均值、方差、相关性、对比度、相异度、同质性、角二阶矩和熵的纹理特征

 

图5. 非倒伏区、中度倒伏区、重度倒伏区3×3-51×51窗口的结构差异。a-h分别代表均值、方差、相关性、对比度、相异度、同质性、角二阶矩和熵的纹理特征

 

图6. 8个纹理特征的重要性排序(a)及OOB误差(b)

 

表1. 使用不同的分类器和组合图像特征来确定总体精度OA和Kappa系数

 

表2. 基于不同分类器和组合图像特征的F1分数

 

 
来 源
Huang, X.; Xuan, F.; Dong, Y.; Su, W.; Wang, X.; Huang, J.; Li, X.; Zeng, Y.; Miao, S.; Li, J. Identifying Corn Lodging in the Mature Period Using Chinese GF-1 PMS Images. Remote Sens. 2023, 15, 894. https://doi.org/10.3390/rs15040894
 

编辑

脆莓
 

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。