农作物生长动态:在专用软件ALFA的实地绘图实验中对LiDAR图像进行快速自动分析
Tadeáš Fryčák1, Tomáš Fürst1, Radoslav Koprna2
1Department of Mathematical Analysis and Applications of Mathematics, Faculty of Science, Palacký University, Olomouc, Czech Republic.
PloS one
|January 18, 2024
概括
一个名为ALFA的新算法快速处理无人机LiDAR数据,以测量谷物田中的作物高度. 该工具为农业研究和育种提供准确的植物高度测量,有助于分析作物生长动态.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 准确的作物高度测量对于了解农业中的植物生长动态至关重要.
- 现有的收集和分析无人机 (UAV) 激光雷达数据以监测作物的方法可能是复杂和耗时的.
研究的目的:
- 开发和介绍一个快速的,专门的软件算法 (ALFA) 处理无人机LiDAR点云.
- 为了能够在多个时间点从单个谷物田地块中有效和可靠地提取作物高度数据.
主要方法:
- 在实验大麦地块上进行了七次无人机LiDAR扫描飞行.
- 阿尔法算法处理了点云数据,将其转换为数字图像,以提取中位数作物高度.
- 数据分析包括合适的物流增长模型和非线性回归.
主要成果:
- 在标准PC上,ALFA算法在约3分钟内从7个时间点的144个图表中处理了大约1亿个LiDAR点.
- 软件计算的作物高度显示,与手动测量相比,根平均平方偏差为5.7厘米.
- 该软件提供了三种可视化方法,用于增长参数可变性分析.
结论:
- 阿尔法是一个快速可靠的工具,可以自动从UAV LiDAR数据中提取单个田间地块的植物高度.
- 该软件为非商业用途的农业研究和育种社区提供了有价值的,免费可用的资源.


