在小麦品种试验中基于无人机的生物质估计的预测准确性和可重复性受到变量类型,建模策略和采样位置的影响
Daniel T L Smith1, Qiaomin Chen2, Sean Reynolds Massey-Reed3
1School of Agriculture and Food Sustainability, The University of Queensland, St Lucia, QLD, 4072, Australia. daniel.smith3@uq.edu.au.
Plant methods
|August 20, 2024
概括
无人驾驶飞行器 (UAV) 可以准确地估计小麦生物质用于品种选择. 优化分析协议,如变量选择和模型特异性,显著提高了作物表型预测的准确性.
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:
- 无人驾驶飞行器 (UAV) 为作物表型化提供了潜力.
- 准确的生物质估计对于晚期小麦品种选择至关重要.
- 优化基于无人机的表型化协议可以提高选择精度和吞吐量.
研究的目的:
- 探索基于无人机的小麦生物质估计.
- 评估表型和分析协议对生物质预测准确性的影响.
- 改进无人机技术用于小麦品种测试计划.
主要方法:
- 整合几何和光谱特征用于生物质预测.
- 在变量选择中应用递归特征消除 (RFE).
- 开发特定于实验和特定于阶段的生物质预测模型.
主要成果:
- 整合几何和光谱特征增加了预测准确度.
- 实验特定模型的性能优于一般模型;RFE略有降低了准确性,但提高了可解释性.
- 在不同实验中,季节内可重复性各不相同,这表明需要最佳的测量时间.
结论:
- 无人机技术对小地块小麦生物质预测有希望.
- 优化分析和建模协议是提高预测准确性的关键.
- 进一步的研究应该验证各种疾病和基因型的发现.
