基于無人機(jī)成像實(shí)現(xiàn)對田間小麥葉面積指數(shù)的快速精準(zhǔn)估計(jì)
Plant Phenomics | 基于無人機(jī)成像實(shí)現(xiàn)對田間小麥葉面積指數(shù)的快速精準(zhǔn)估計(jì)
葉面積指數(shù)（LAI）是指示作物長勢和影響作物生長和發(fā)展的關(guān)鍵作物特征。大田條件下LAI的快速和精準(zhǔn)測量，有助于實(shí)現(xiàn)作物生長的精準(zhǔn)調(diào)控，也有助于加快育種進(jìn)程。
近日，Plant Phenomics在線發(fā)表了昆士蘭大學(xué)題為Unsupervised Plot-Scale LAI Phenotyping via UAV-Based Imaging, Modelling, and Machine Learning的研究論文。
本文基于混合方法理論發(fā)展了一個預(yù)測模型，用以實(shí)現(xiàn)從無人機(jī)多光譜成像捕獲的冠層反射率中對不同生長條件下小麥的LAI進(jìn)行快速精準(zhǔn)估計(jì)的目的。這個模型基于隨機(jī)森林回歸（RFR）算法建立，在經(jīng)過輻射傳輸模型生成的模擬數(shù)據(jù)集上訓(xùn)練得到。這就使得該模擬在實(shí)際應(yīng)用中的估計(jì)精度，極大地取決于模擬光譜數(shù)據(jù)和實(shí)測光譜數(shù)據(jù)的相似性，因此本文通過土壤反射率校準(zhǔn)和光譜影像背景校正來提高模擬和實(shí)測光譜數(shù)據(jù)的相似性（圖1）。
圖1 研究流程圖
在本文中，作者提出了一種從無人機(jī)多光譜影像確定實(shí)際土壤反射率的方法。結(jié)合無人機(jī)影像中土壤像素的反射率取值和輻射傳輸模型中默認(rèn)的標(biāo)準(zhǔn)土壤反射率，該方法可以模擬出接近實(shí)際情況的400-2500nm范圍內(nèi)的土壤反射率。在利用輻射傳輸模型生成模擬數(shù)據(jù)集用于訓(xùn)練RFR模型時，利用校準(zhǔn)土壤反射率替代標(biāo)準(zhǔn)土壤反射率，可以使得模擬光譜數(shù)據(jù)更接近實(shí)測光譜數(shù)據(jù)。此外，作者還提出了一種影像背景校正方法來使得實(shí)測光譜數(shù)據(jù)更接近模擬光譜數(shù)據(jù)�；贜DVI閾值分類法可以得到植被和背景的二分類圖，從而確定各波段影像中背景像素的位置，通過將背景像素原本的反射率替換成用于生成模擬數(shù)據(jù)時所用的土壤反射率可以實(shí)現(xiàn)影像背景校正。研究結(jié)果發(fā)現(xiàn)，模擬數(shù)據(jù)的土壤反射率校準(zhǔn)和光譜影像的背景校正可以有效提高RFR模型在稀疏冠層下對LAI的估計(jì)精度。由于本文提出的LAI估計(jì)方法可以在生長季前被提前確定，同時訓(xùn)練好的模型可以實(shí)現(xiàn)從單一的多光譜數(shù)據(jù)源中對LAI的快速精準(zhǔn)估計(jì)，因此展示了該方法對生長季早期LAI動態(tài)模擬預(yù)測的潛在能力。
作者介紹
第一作者兼通訊作者：
陳巧敏，博士研究生，目前就讀于昆士蘭大學(xué)，師從Prof. Scott Chapman、Dr. Bangyou Zheng和Dr. Karine Chenu，研究方向?yàn)樽魑锬M和表型分析，重點(diǎn)關(guān)注如何通過多模型耦合、機(jī)器學(xué)習(xí)和光譜成像等技術(shù)的集成來實(shí)現(xiàn)對作物生長特征的動態(tài)模擬預(yù)測。
通訊作者：
Prof. Scott Chapman，目前供職于昆士蘭大學(xué)（UQ），是SAFS學(xué)院的教授，同時是QAAFI的客座教授；在2020年全職受聘于UQ之前，Prof. Scott Chapman從1996年開始在CSIRO從事育種相關(guān)研究二十余年。他在小麥、高粱、向日葵和甘蔗方面領(lǐng)導(dǎo)了許多影響當(dāng)?shù)睾腿蚬埠退饺擞N項(xiàng)目的研究項(xiàng)目，是率先將無人機(jī)技術(shù)應(yīng)用于育種項(xiàng)目進(jìn)行植物模擬的研究者之一。根據(jù)ESI統(tǒng)計(jì)，他是植物、動物和農(nóng)業(yè)領(lǐng)域引用排名前1%的作者，谷歌引用量近2萬。他領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，廣泛與世界各地科學(xué)家合作開展研究，包括澳大利亞CSIRO和阿德萊德大學(xué)、美國普渡大學(xué)、法國INRA、日本東京大學(xué)等。
論文鏈接：
https://doi.org/10.34133/2022/9768253
——推薦閱讀——
Repeated Multiview Imaging for Estimating Seedling Tiller Counts of Wheat Genotypes Using Drones
https://doi.org/10.34133/2020/3729715
Plant Phenomics | 使用無人機(jī)多視角成像技術(shù)估算小麥幼苗分蘗數(shù)
Canopy Roughness: A New Phenotypic Trait to Estimate Aboveground Biomass from Unmanned Aerial System
https://doi.org/10.34133/2020/6735967
Plant Phenomics | 冠層粗糙度：一種用于無人機(jī)航測估算地上生物量的新表型性狀
加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？l(fā)布會等高質(zhì)量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2021影響因子為6.961，位于農(nóng)藝學(xué)、植物科學(xué)，遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國科技期刊卓越行動計(jì)劃高起點(diǎn)新刊項(xiàng)目。
說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：陳巧敏
編輯：張威（實(shí)習(xí)）
審核：孔敏、王平
