蚕豆(Vicia Faba .)基于双传感器数据的产量估计


发布时间:

2023-06-27

来源:

植物表型资讯

作者:

PhenoTrait

蚕豆是豆科植物的重要成员,具有丰富的蛋白质含量和巨大的开发潜力。产量是作物重要的表型性状,早期产量估算可以为田间投入提供参考。为了快速准确地估算蚕豆产量,利用无人机(unmanned aerial vehicle,UAV)的双传感器(RGB和多光谱)数据进行了采集和分析。为此,使用支持向量机(support vector machine,SVM)、岭回归(ridge regression,RR)、偏最小二乘回归(partial least squares regression,PLS)和k近邻(k-nearest neighbor,KNN)进行产量估计。此外,首次将基于无人机的不同生育期数据融合用于蚕豆产量估算,获得了较好的估算精度。结果表明:对于单生长期,S2(2019年7月12日)的估计模型精度最高。对于多生长期的融合数据,S2 + S3(2019年8月12日)获得了最好的估计结果。此外,RF的决定系数(R2)值高于其他机器学习算法,其次是PLS,并且双传感器融合数据的估计效果明显优于单传感器。综上所述,基于双传感器数据和不同生育期数据融合估算蚕豆产量是可行的。

 

 图1 2019年蚕豆生长季节气象变量剖面图,注:(a)温度,包括播种后最高温度(Tmax)和平均温度(Tmean); (b)降水,显示播种后降水的增量、减量和累积; (c)日照强度(包括总日照强度(total)、净日照强度(net)和直接正常辐照度(DNI)); (d)日照时间。

 

图2 实验设计(白色椭圆为地面控制点(GCPs),红色圆圈为校准地毯)。

 

图片图3 无人机系统和图像的相应传感器。注:(a)无人机配置;(b) 2019年7月12日的RGB图像;(c) 2019年7月12日的MS图像。

图片

 图4 无人机数据处理。(a)原始RGB照片;(b) MS原始照片;(c)正交像;DSM (d);DTM (e);CSM (f);(g,h)光谱信息提取;(i,j)纹理信息提取

 

图5 模型构建与评估。 (a)产量估算模型;(b)五折交叉验证

 

 图6 单生长期模型的精度分析。注:平方表示平均值,标准差(SD) = 1.5。

 

图7 比较了不同传感器及其组合模型的估计精度

图片 图8 基于不同生长期组合的模型估计精度比较

 

图9 不同机器学习算法的估计精度比较

 

 图10 估算产量与实测产量的比较

 

 图11 5个蚕豆品种CC和R2的差异。柱状图表示冠层盖度的CC值,点线图表示产量估计值与实测值线性拟合程度的R2值。

 

 

来 源

Cui, Y.; Ji, Y.; Liu, R.; Li, W.; Liu, Y.; Liu, Z.; Zong, X.; Yang, T. Faba Bean (Vicia faba L.) Yield Estimation Based on Dual-Sensor Data. Drones 2023, 7, 378. https://doi.org/10.3390/drones7060378

 

编辑

王春颖
 
 

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。