低密度LiDAR数据和多光谱影像相融合的四维植物表型模型


发布时间:

2022-02-21

来源:

本站

作者:

PhenoTrait

  高通量植物表型平台通常需要配置昂贵的高密度LiDAR设备,并利用计算密集型方法来提取植物的多种形态学特征。同时,多数表型平台都需要经过离线处理才能获取详细的植株结构模型。本研究开发了一种低密度LiDAR数据和多光谱影像相融合的低成本植物表型分析系统。利用该系统可以生成植物的四维(Four-Dimension, 4D)表型信息,可用于在不同生长环境下提取植物的形态学特征和生理生化特征,并进行时间序列分析。

 

  植物的四维表型主要包含以下几个方面的信息:(1)植物的三维几何信息;(2)不同波段的反射信息;(3)时间序列变化信息。因此,本研究利用Velodyne VLP-16 LiDAR和Sequoia多光谱相机搭建了一套四维表型分析平台(图1),并开发了点云数据处理、影像融合和配准等相应算法(图2),用于提取植物的四维表型信息。利用多光谱相机可以获取植物在不同波段的反射信息,通过不同波段组合计算出的多种植被指数(图3),可用于估算叶片氮含量、叶绿素含量和其他营养成分等植物的生理生化特征,进而监测植物长势。利用LiDAR则可以获取植物的三维点云信息,可用于提取植物的形态学特征(图4)。在此基础上,通过三维点云和二维植被指数影像融合,可以获取植物的四维表型信息(图5)。然后,利用时间序列的四维表型信息(图6),可以进一步对植物生长进行动态监测。

 

  本研究利用三维点云信息和二维颜色信息生成了植物表面模型,并获取了植被指数的时空分布特征,不但可用于对植物进行四维表型分析,还可以作为机器学习的训练特征估测叶片氮含量等生理生化指标。

  

  图1 四维表型平台的机械结构

 

  图2 四维表型平台的数据处理流程

 

  图3 Guayacan植株的不同植被指数影像

 

  图4 对点云进行重采样和过滤

 

  图5 不同角度获取的四维表型模型

 

  图6 在一天中不同时段获取的Guayacan植株四维表型

 

  来源:Manuel García Rincón, Diego Mendez and Julian D. Colorado. Four-Dimensional Plant Phenotyping Model Integrating Low-Density LiDAR Data and Multispectral Images. Remote Sensing, 2022, 14, 356.

 

  编辑:段博

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。