基于田间作物表型分析的多源无人机遥感农业监测方案优化


发布时间:

2021-05-25

来源:

本站

作者:

PhenoTrait

无人机(UAV)系统是一种新兴的作物表型特征遥感分析工具,它能清晰地捕捉田间尺度上的作物实时信息。为了优化无人机农业监测方案,本研究调查了单源和多源无人机数据对玉米表型(叶面积指数、地上生物量、作物高度、叶片叶绿素浓度和植株含水量)的影响。

 

a破坏性的玉米取样;b使用多光谱测量LCC;c用烘箱除去玉米样品中的水分

 

本文利用四个无人机系统(即高光谱、热成像系统、RGB成像系统和激光雷达系统)在两个长期试验场上执行飞行任务,涉及多层次施肥和灌溉处理。为减少算法特性对玉米参数估计的影响,保证估计的可靠性,采用多元线性回归、bp神经网络、随机林、支持向量机等方法进行建模。高度相关的无人机变量被过滤,并使用递归特征消除程序确定最优无人机输入。主要结论如下:(1)对于单源无人机数据,激光雷达和RGB纹理适合于叶面积指数、地上生物量和作物高度的估算;在叶绿素浓度估计方面,高光谱方法优于传统的光谱方法;热成像更适合植物含水量估算;2)对于多源无人机数据,叶面积指数、地上生物量和作物高度融合后,模型性能略有提高,单源热数据和高光谱数据对植物水分和叶绿素浓度的估算效果分别优于多源数据;(3)在叶面积指数、地上生物量和作物高度估计方面,最优无人机方案为激光雷达 + RGB格式 + 高光谱,然而在实际农业应用的同时考虑成本效益,建议客户使用运动的角度研究光学结构 + 自定义的多光谱系统。

 

基于多源无人机数据的玉米表型分析框架

 

YF和SN玉米地被测表型参数的离散性

 

综上所述,这项研究有助于优化无人机农业监测方案,设计田间规模作物表型,并进一步扩大无人机技术在精准农业中的应用。

 

利用LM、BP、RF和SVM算法测量和估计玉米表型参数的散度:a LAI、b AGB、c CH、d LCC和e W

 

来源:

Zhu W, Sun Z, Huang Y, et al. Optimization of multi-source UAV RS agro-monitoring schemes designed for field-scale crop phenotyping. Precision Agriculture (2021). https://doi.org/10.1007/s11119-021-09811-0.

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。