多时间多光谱无人机遥感允许在欧洲小麦品种的产量评估已经在开花之前
Moritz Paul Camenzind1, Kang Yu1,2
1Precision Agriculture Lab, School of Life Sciences, Technical University of Munich, Freising, Germany.
Frontiers in plant science
|January 18, 2024
概括
多谱成像和纹理特征 (TFs) 有效地预测小麦产量,并在生长阶段早期对品种进行分类. 纹理特征被证明对品种分类比产量预测更准确.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物育种 植物育种
背景情况:
- 使用多光谱摄像头的高通量场表型 (HTP) 提供了产量预测的潜力,但早期生长阶段的最佳特征仍然不清楚.
- 了解哪些多谱特征有最好的预测产量和助力品种分类对于优化作物管理和育种计划至关重要.
研究的目的:
- 为了确定最佳的多谱特征,以准确预测收益率和在各种生长阶段的品种分类.
- 为了评估这种假设,纹理特征 (TFs) 更适合于品种分类而不是产量预测.
主要方法:
- 在欧洲小麦品种进行了为期两年的实地试验,通过无人机在多个时间点捕获多光谱图像 (可见,红边,NIR).
- 从orthomosaic图像中提取了单带反射度,植被指数 (VIs) 和纹理特征 (TFs).
- 利用随机森林模型来评估产量预测和品种分类的特征性能.
主要成果:
- 规范差红边 (NDRE) 植被指数提供了最准确的产量预测 (RMSE: 49.160.6 g m−2).
- 像对比度和不相似度这样的纹理特征在产量预测中表现强 (RMSE: 55.566.3 g m-2).
- 纹理特征在分类低产和高产品种方面表现出高精度 (精度高达92%).
结论:
- 多谱纹理特征对早期产量预测和小麦品种分类非常有效.
- 与直接产量预测相比,纹理特征对品种分类更有利.
- 这些发现支持TFs在HTP中的应用,用于精准农业和作物改进.
