利用无人机图像对不同氮素处理下水稻叶面积指数的多时相监测


发布时间:

2021-05-21

来源:

本站

作者:

PhenoTrait

利用先进的光学技术进行无人机遥感已成为一种极具潜力的作物生长状况监测工具。尽管利用无人机图像数据对作物生长进行了大量研究,但要获得令人满意的结果仍然存在挑战。本研究利用无人机RGB和多光谱成像技术,对水稻全生育期叶面积指数(LAI)进行了估算。

 

多光谱(MS)和RGB相机的正交图像

 

不同氮素处理和生育期对叶面积指数(LAI)的影响

 

首先,利用八旋翼无人机采集水稻冠层的多时相RGB和MS图像。然后,从RGB和MS图像中提取植被指数(VIs)。接着,基于偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)和极值学习机(ELM)四种机器学习方法建立了LAI预测模型。最后,对模型的估计性能进行了评价。结果表明,融合RGB图像和MS图像可见光的ELM模型预测效果最好。拔节初期、孕穗期、抽穗期和灌浆期以及各生育期的组合对LAI的预测效果较好,其决定系数R2分别为0.78、0.45、0.55、0.64和0.70,说明拔节初期对LAI的预测效果最好。利用最优VIs建立的LAI预测模型在整个生育期的预测均方根误差(RMSEP)降低了18.5%,在每个生育期的预测均方根误差降低不一致。综上所述,本文的研究表明,基于无人机的RGB和MS图像融合在水稻LAI预测中具有很大的潜力。

 

用ELM预测LAI的决定系数R2和预测均方根误差RMSEP

 

VIs与单波段与LAI的相关系数

 

来源:

Du X, Wan L, Cen H, et al. Multi-temporal monitoring of leaf area index of rice under different nitrogen treatments using UAV images. International Journal of Precision Agricultural Aviation. DOI: 10.33440/j.ijpaa.20200301.57.

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。