利用数字化生育期改进植被指数的小麦地上生物量估算


发布时间:

2022-03-12

来源:

本站

作者:

PhenoTrait

  生物量(AGB)是指示作物生长状况、指导农田管理、预测粮食产量的重要参数,也是全球碳动力学研究的关键指标。然而,前人构建的大多数模型存在一个普遍的现象——模型仅限于单一生育时期或邻近几个生育时期,适用于作物全生育期的生物量遥感模型未见报道,也进一步限制了生物量估算在大面积及时空转移的预测精度及稳定性。因此,本研究探索以下三个问题:(i) 不同生物量遥感模型在生育期上是否存在演化规律?(ii) 如何表达生育时期?(iii) 构建的全生育期遥感生物量模型是否具有普适性?研究基于国家精准农业示范基地开展的八年(2013~2020)冬小麦试验数据和黄淮海-西部麦区(5个试验区)地面采集数据进行分析。构建不同生育时期植被指数(NDVI、DVI、RVI、MSR、EVI2)的生物量模型,分析模型系数与数字化生育期(Zadoks Stage,ZS)的演化规律;对比略略日(DOY)、有效积温(GDD)和相对有效积温(RGS=GDD/GDDmax)替代ZS的可能性与精度;最后,对模型在跨区域与跨平台应用的精度评价。研究结果表明:AGB与植被指数的普通最小二乘回归(OLSR)的系数值[斜率(k)和截距(b)]与ZS有很强的相关性,其中EVI2的回归系数k与ZS的指数模型R2达到0.99(图2,图3)。基于EVI2构建的生物量模型具有最佳精度,试验点验证精度R2和RMSE分别为0.83 and 2.07 t/ha,多区域验证精度R2和RMSE分别为0.78 and 2.05 t/ha,无人机光谱验证精度R2和RMSE分别为0.69 and 1.87 t/ha。RGS可以很好的替代ZS用于CBA-Wheat模型中生育期变量模型的输入。通过对比分析多种表征作物生物量相关的参量,并将其与遥感信息共同建立了具有农学机理的反演模型,构建了适合全生育时期的冬小麦生物量估测模型(CBA-Wheat模型),较好解决了长期以来困扰农业定量遥感中多生育期作物参数反演模型难统一的难题。

 

  图1. 本研究问题思考及技术路线

 

  图2. 不同生育期植被指数与AGB回归模型

 

  图3. 不同生育期AGB回归模型系数与ZS关系

 

  图4. 基于CBA-WheatZS与传统方法的生物量反演精度对比

 

  图5. 不同CBA-Wheat模型在跨区域验证

 

  图6. 不同CBA-Wheat模型在跨区域验证

 

  来源:Li Z, Zhao Y, Taylor, et al. Comparison and transferability of thermal, temporal and phenological-based in-season predictions of above-ground biomass in wheat crops from proximal crop reflectance data. Remote Sensing of Environment. 2022, 273: 112967. doi.org/10.1016/j.rse.2022.112967

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。