基于生物质和基于SPAD的大型基因型图片的大型基因型图片的叶的米产量表征.
Andres F Duque1, Diego Patino1, Julian D Colorado1,2
1School of Engineering, Pontificia Universidad Javeriana Bogota, Cra. 7 No. 40-62, Bogota 110231, Colombia.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
无人机 (UAV) 图像和机器学习准确地估计了大米生物质和. 这使得精确的产量预测和品种选择能够改善作物生产.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 数据科学数据科学数据科学
背景情况:
- 无人机 (UAV) 图像为植被分析提供高分辨率数据.
- 准确的生物质和估计对于优化大米产量至关重要.
- 以前的方法缺乏准确性,无法进行详细的基因型分析.
研究的目的:
- 评估无人机衍生植被指数 (VIs) 的有效性,以估计大米生物质和含量.
- 为了将VI与各种水基因型的地面真实性产量数据相关联.
- 确定最佳的机器学习模型,用于生物质和的预测.
主要方法:
- 多光谱无人机图像采集了59个随机选择的田.
- 植被指数 (VIs) 根据植物-土壤细分计算和加权.
- 机器学习模型,包括高斯过程回归 (GPR),用于估计.
主要成果:
- 基因型IR 93346显示出最高的产量,具有显著的生物质增加.
- NDVI,SAVI,GNDVI和ARVI与生物质,身高和有很强的相关性.
- GPR模型实现了高的相关系数 (生物质高达0.99,为1).
结论:
- 无人机图像与VI和机器学习相结合,为大米产量表征提供了强大的方法.
- 这种方法支持精确的表型,产量预测和优质大米基因型的选择.
- 这项研究证实了遥感在推进大米种植精准农业方面的潜力.


