利用无人机激光雷达估算冬小麦冠层密度


发布时间:

2021-03-12

来源:

本站

作者:

PhenoTrait

利用叶面积指数(LAI)等相关参数对冠层密度进行监测,有助于理解和预测土壤-植物-大气系统的过程,以及作物健康状况和潜在产量,可以为农业管理做出重要贡献。基于光谱反射率的光学传感器计算LAI的遥感方法,由于其易操性和可用性成为主流方法。基于多光谱反射率数据的植被指数(VI)的方法实质上是测量绿地指数(GAI)或对冠层表面的叶绿素含量的响应,而不是非绿色元素可能存在的全部地上生物量,而非绿色元素是充分利用地表植被的关键评估碳预算。目前已经出现基于激光雷达光(LiDAR)的方法,该方法利用林隙分数(GF)来估算基于冠层密度的植物面积指数(PAI)。该方法的主要优点是对绿色和非绿色植物元素都很敏感,主要应用于森林覆盖的载人机载激光雷达系统(ALS),还没有广泛应用于作物,如使用激光雷达的无人机系统(UAS)冬小麦。这项研究有助于更好地了解激光雷达作为精确农业冠层结构评估工具的潜力。

 

每个UAS采集日期的LiDAR点云的横截面(2 m),可视化生成的分段,并使用网格分辨率(GR)值

 

在每个地面测量图位置处,以约95%的置信区间比较Sunscan SS1辐射计,PAILiDAR和GAI多光谱估计之间的比较

 

事实证明,LiDAR方法在空间变化方面与多光谱方法具有高度到中等的相关性。LiDAR衍生的PAI值非常类似于在衰老的主要阶段之前的生长季节早期进行的地面测量。在生长季后期,当冠层密度达到最高值时,可能会发生高估现象。这很可能是由于所选的飞行参数不能提供最佳的林冠密度描述,同时考虑到激光雷达的视角,因为地面破坏性测量提供的PAI值较低。此外,本文还对全激光雷达获得的PAI、多光谱获得的GAI和棕色面积指数(BAI)进行了区分,以说明本研究中使用的主动和被动光学传感器方法如何在整个生长季节相互补充。

 

LiDAR衍生的PAI和多光谱衍生的GAI之间的时空相关性。

 

来源:

Bates J B, Montzka C, Schmidt M, et al. Estimating Canopy Density Parameters Time-Series for Winter Wheat Using UAS Mounted LiDAR. Remote Sensing. DOI: 10.3390/rs13040710.

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。