基于无人机RGB图像色度和纹理特征的多变量回归追踪落叶林中LAI时空变化


发布时间:

2023-05-28

来源:

植物表型资讯

作者:

PhenoTrait

叶面积指数(LAI)是一个与植被的各种生物物理过程相关的关键结构变量,对其进行有效和准确的估计对了解生态系统的动态具有重要意义。尽管许多直接和间接的方法已经发展得很好,但最近基于无人机(UAV)的RGB数据由于其低成本、相当大的灵活性和有用的适用性,已经成为估计LAI的一个有希望的替代来源。在这项研究中,我们研究了使用多元回归的可行性,结合从基于无人机的RGB图像中提取的不同颜色指数和基于纹理的特征,追踪典型温带落叶林不同物候阶段的动态LAI。结果表明,当单独使用颜色指数(CIs)时,可见的耐大气指数(VARI)和红绿比指数(RGR)是最好的,而如果只使用纹理信息来估计LAI的时空变化,差值(D)表现最好。更重要的是,基于CIs和基于纹理特征的组合的多变量回归使LAI估计的准确性更高,其中随机森林回归(R2=0.85,RMSE=0.56,RPD=2.52)优于其他分析方法。这项研究的发现提供了一种成本效益高但可靠的方法,可以从一个常见且容易获得的数据源中追踪LAI,并有能力扩展到更大的范围,以快速监测和管理植被。

 

 图1 本研究中研究区域和地块的位置和分布。

 

 图2 基于无人机RGB图像的叶面积指数(LAI)估计流程图。

 

图3 本研究的叶面积指数(LAI)估计的先前报告的颜色指数的相关系数(R2,a)、均方根误差(RMSE,b)和性能与偏差之比(RPD,c)。

 

图4. 使用基于颜色指数(CI)、纹理和两者组合的不同多元回归模型估计叶面积指数(LAI)的相关系数(R2,a)、均方根误差(RMSE,b)和性能与偏差之比(RPD,c)。

 

图片

图5 随机森林回归(RFR)的相关系数(R2,a)、均方根误差(RMSE,b)和性能与偏差之比(RPD,c)用于估计9月至12月基于颜色指数(CI)、纹理和两者的组合的叶面积指数(LAI)。

 
 
来 源

Gan Y, Wang Q, Matsuzawa T, et al. Multivariate regressions coupling colorimetric and textural features derived from UAV-based RGB images can trace spatiotemporal variations of LAI well in a deciduous forest[J]. International Journal of Remote Sensing, 2023: 1-19.

 

https://doi.org/10.1080/01431161.2023.2208709

 

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。