基于无人机和多光谱成像对果树生长阶段和物种的监测树冠SPAD
Yirui Huang1, Dongming Li2, Xuan Liu2
1Intelligent Sensor Network Engineering Research Center of Hebei Province, College of Information Engineering, Hebei GEO University, Shijiazhuang, China.
Frontiers in plant science
|August 16, 2024
概括
果树中精确的叶绿素监测对于评估营养状况至关重要. 这项研究开发了一种可转移的高斯过程回归模型,使用无人机多光谱图像和树冠特征,使得在物种和生长阶段之间能够有效估计叶绿素.
科学领域:
- 农业遥感 农业遥感
- 植物生理学 植物生理学
- 现象类型研究研究.
背景情况:
- 果树中的叶绿素含量表明光合作用能力和营养状况.
- 传统的叶绿素估计方法是劳动密集型和耗时的.
- 遥感为农业监测提供了一个非破坏性的替代方案.
研究的目的:
- 开发一个可转移的模型来估计果树的树冠叶绿素 (SPAD).
- 评估模型在不同树种和生长阶段的表现.
- 探索反射和纹理特征对叶绿素估计的有用性.
主要方法:
- 使用无人机 (UAV) 获取多光谱图像.
- 从图像中提取反射特征 (RF) 和纹理特征 (TF).
- 开发和应用高斯过程回归 (GPR) 模型用于多变量分析.
- 将单变量模型 (例如,绿色规范差异植被指数 - GNDVI) 与多变量方法进行比较.
主要成果:
- 使用GNDVI的单变型模型为单个物种提供了有效的叶绿素监测.
- 结合RF和TF的多变量高斯过程回归模型在混合物种中表现出优异的性能.
- 在RF+TF+GPR模型中,单个和混合物种的R平方值约为0.7.
- 该模型准确地预测了各种生长阶段的树冠SPAD,在第三和第四阶段,R平方值高于0.6.
结论:
- 该研究强调了RF和TF对于全面的树冠特征表达的重要性.
- 高斯过程回归有效地模拟了树冠特征和叶绿素含量之间的关系.
- 树冠SPAD倒置的通用模型被建立起来,促进果树生长监测和管理.
