玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunay...玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunays三角网方法计算其外包络体积信息,并基于点云信息对雄穗主轴和最大穗冠的结构参数进行计算,同时定义了相关表型参数。用实测结果验证计算结果:分枝数统计结果的最大绝对误差为2,RMSE(root mean square error)为1.03,n RMSE(normalized root mean square error)为0.05;主轴长度,主轴最大/最小直径,最大穗冠高度和最大穗冠直径的R^2分别为0.99,0.82,0.83,0.97和0.93,均达到极显著相关水平。研究提出的相关表型参数和其提取方法在育种研究中具有应用潜力,为田间高通量雄穗信息的快速提取提供了参考。展开更多
地上生物量(AGB)是评估作物生长发育和指导田间农业生产管理的重要指标。因此,高效精准地获取作物AGB信息,可以及时准确地估算产量,对于保障粮食供应和贸易提供有力依据。传统获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测...地上生物量(AGB)是评估作物生长发育和指导田间农业生产管理的重要指标。因此,高效精准地获取作物AGB信息,可以及时准确地估算产量,对于保障粮食供应和贸易提供有力依据。传统获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变为困难。然而,随着精准农业的快速发展,无人机遥感技术被认为是估算大面积作物AGB最有效的技术方式。通过无人机平台搭载多光谱传感器获取马铃薯块茎形成期、块茎增长期和淀粉积累期的多光谱影像,地面实测株高和AGB以及地面控制点(GCP)的空间位置信息。首先,基于SFM(structure from motion,SFM)技术利用无人机影像数据结合GCP的三维坐标生成试验田的DSM(digital surface model,DSM),通过DSM提取出马铃薯各生育期的株高(Hdsm);然后,选取原始4个单波段植被指数、9个多波段组合的植被指数、红边波段的高频信息(HFI)和提取的Hdsm分别与AGB作相关性分析;最后基于单波段植被指数(x_(1))、多波段组合的植被指数(x_(2))、植被指数结合Hdsm(x_(3))、植被指数结合HFI(x_(4))以及植被指数融合HFI和Hdsm(x_(5))为模型输入参数,采用偏最小二乘回归(PLSR)和岭回归(RR)估算各生育期的AGB。结果表明:(1)提取的Hdsm和实测株高拟合的R^(2)为0.87,NRMSE为14.34%;(2)各模型参数都与AGB达到极显著水平,相关性均从块茎形成期到淀粉积累期先升高后降低;(3)各生育期以5种变量使用同种方法估算马铃薯AGB的效果,均从块茎形成期到淀粉积累期先好后变差,其估算精度由高到低依次为x_(5)>x_(4)>x_(3)>x_(2)>x_(1);(4)各生育期使用PLSR以不同变量估算AGB的效果要优于RR方法,其中在块茎增长期基于x_(5)变量估算马铃薯AGB效果最佳,R^(2)为0.73,NRMSE为15.22%。因此,选取多光谱植被指数结合红边波段的高频信息和Hdsm并使用PLSR方法可以明显提高AGB的估算精度,这为大面积马铃薯作物AGB的监测提供了新的技术支撑。展开更多
文摘玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunays三角网方法计算其外包络体积信息,并基于点云信息对雄穗主轴和最大穗冠的结构参数进行计算,同时定义了相关表型参数。用实测结果验证计算结果:分枝数统计结果的最大绝对误差为2,RMSE(root mean square error)为1.03,n RMSE(normalized root mean square error)为0.05;主轴长度,主轴最大/最小直径,最大穗冠高度和最大穗冠直径的R^2分别为0.99,0.82,0.83,0.97和0.93,均达到极显著相关水平。研究提出的相关表型参数和其提取方法在育种研究中具有应用潜力,为田间高通量雄穗信息的快速提取提供了参考。
文摘地上生物量(AGB)是评估作物生长发育和指导田间农业生产管理的重要指标。因此,高效精准地获取作物AGB信息,可以及时准确地估算产量,对于保障粮食供应和贸易提供有力依据。传统获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变为困难。然而,随着精准农业的快速发展,无人机遥感技术被认为是估算大面积作物AGB最有效的技术方式。通过无人机平台搭载多光谱传感器获取马铃薯块茎形成期、块茎增长期和淀粉积累期的多光谱影像,地面实测株高和AGB以及地面控制点(GCP)的空间位置信息。首先,基于SFM(structure from motion,SFM)技术利用无人机影像数据结合GCP的三维坐标生成试验田的DSM(digital surface model,DSM),通过DSM提取出马铃薯各生育期的株高(Hdsm);然后,选取原始4个单波段植被指数、9个多波段组合的植被指数、红边波段的高频信息(HFI)和提取的Hdsm分别与AGB作相关性分析;最后基于单波段植被指数(x_(1))、多波段组合的植被指数(x_(2))、植被指数结合Hdsm(x_(3))、植被指数结合HFI(x_(4))以及植被指数融合HFI和Hdsm(x_(5))为模型输入参数,采用偏最小二乘回归(PLSR)和岭回归(RR)估算各生育期的AGB。结果表明:(1)提取的Hdsm和实测株高拟合的R^(2)为0.87,NRMSE为14.34%;(2)各模型参数都与AGB达到极显著水平,相关性均从块茎形成期到淀粉积累期先升高后降低;(3)各生育期以5种变量使用同种方法估算马铃薯AGB的效果,均从块茎形成期到淀粉积累期先好后变差,其估算精度由高到低依次为x_(5)>x_(4)>x_(3)>x_(2)>x_(1);(4)各生育期使用PLSR以不同变量估算AGB的效果要优于RR方法,其中在块茎增长期基于x_(5)变量估算马铃薯AGB效果最佳,R^(2)为0.73,NRMSE为15.22%。因此,选取多光谱植被指数结合红边波段的高频信息和Hdsm并使用PLSR方法可以明显提高AGB的估算精度,这为大面积马铃薯作物AGB的监测提供了新的技术支撑。
