利用无人机图像评估绿豆生长参数


发布时间:

2023-10-12

来源:

本站

作者:

PhenoTrait

带有红绿蓝(red–green–blue,RGB)摄像头的无人机(Unmanned aerial vehicles,UAV)越来越多地被用作农业系统的监控工具。这是绿豆的首次田间研究。使用无人机和跨多个季节的图像分析。目标本研究旨在验证利用无人机图像评估绿豆多季节生长参数(生物量、叶面积、部分光拦截和辐射利用效率)的有效性。方法。田间试验于2018/19年夏季和2019/20年春夏三个播期进行。每两周收集一次生长参数,以匹配整个作物发育过程中的无人机飞行。利用无人机正射影图像生成植被覆盖度分数(Fractional vegetation cover,FVC)和计算植被指数:植被提取颜色指数(colour index of vegetation extraction,CIVE)、绿叶指数(green leaf index,GLI)、过量绿色指数(excess green index,ExG)、归一化绿红差指数(normalized green-red difference index,NGRDI)和大气可见抗性指数(visible atmospherically resistant index,VARI)。

 

关键的结果:(1)利用无人机采集的RGB影像可以准确估算绿豆开花前的生物量;(2)绿豆开花前RGB影像与地面数据的关系比开花后更为精确;(3)花前期植被覆盖度与生物量呈极显著相关(R² = 0.79);NGRDI (R²= 0.86)在3个试验中均能较好地直接预测花前期生物量。

 

结论:基于无人机的RGB图像是一种很有前途的技术,可以取代人工光拦截测量和预测生物量,特别是在绿豆生长的早期阶段。暗示。这些发现可以帮助研究人员评估农艺策略,并考虑针对不同季节条件的必要管理措施。

 

图1 正交图像和地块分割。(a)实验1 2018年2月14日(左)和实验2、3 2020年1月17日(右)的绿豆田正射影;(b)实验1(左)、实验2和实验3(右)无人机飞行现场试验中的地块分割。

 

图2 实验1、2和3的天气资料。(a)平均最高和最低温度(°C)和降雨量(毫米);(b)平均测量相对湿度(%)和太阳辐射(MJ/m2)。

 

图3 生长参数:试验1、2和3的叶面积指数、光截获分数和总生物量。(a)叶面积指数(LAI);(b)总生物量(g/m2);(c)光拦截分数(%)。

 

图4 生长参数:实验1、2、3的消光系数值(k)和辐射利用效率。(a) 3个不同绿豆品种(Jade-AU、Satin II和Crystal) - ln(1 -分数光拦截)与LAI关系的消光系数值(k);(b)辐射利用效率。

 

图5 花前和花后阶段光截获分数、总生物量和植被覆盖度的关系(a)光照拦截分数(%)与植被覆盖度分数的关系;(b)总生物量(g/m2)与植被覆盖度(%)的关系。

 

来 源

Xiong Yiyi, Chiau Lucas Mauro Rogerio, Wenham Kylie, Collins Marisa, Chapman Scott C. (2023) Utilisation of unmanned aerial vehicle imagery to assess growth parameters in mungbean (Vigna radiata (L.) Wilczek). Crop & Pasture Science. https://doi.org/10.1071/CP22335

 

编辑

王春颖

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。