通过比较基于无人机的多光谱和RGB图像来估计料高度和地表生物质
Hongquan Wang1, Keshav D Singh1, Hari P Poudel1
1Lethbridge Research and Development Centre, Agriculture and Agri-Food Canada (AAFC), 5403 1st Avenue South, Lethbridge, AB T1J 4B1, Canada.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
多光谱传感器擅长估计料生物质,而RGB传感器更适合作物高度. 这项基于无人机的研究为选择特定植被特征的最佳传感器提供了洞察力.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物表型化 植物表型化
背景情况:
- 准确的作物高度和生物量对于选料种群至关重要.
- 基于无人机的遥感为表型化提供高分辨率数据.
- 将多谱和RGB传感器进行比较对于优化数据采集至关重要.
研究的目的:
- 为了比较多光谱和RGB传感器的性能,以检索料作物的高度和生物质.
- 评估不同植被指数对生物质估计的有效性.
- 评估高度估计的准确性,并开发校正方法.
主要方法:
- 获得的高分辨率无人机 (UAV) 多光谱图像 (MSI) 和可见 (RGB) 数据.
- 提取数字表面模型 (DSM) 和数字地形模型 (DTM) 来计算树冠高度模型 (CHM).
- 开发了使用植被指数 (来自MSI的NDVI,来自RGB的ExG) 进行生物质估计的经验模型.
主要成果:
- 带有偏差校正功能的RGB传感器提供了更好的顶高度检索 (1.55厘米分辨率).
- 多谱传感器 (MSI) 在地面生物质 (AGB) 估计 (1.67厘米分辨率) 方面表现出卓越的性能.
- 获取的高度与地面测量有很好的相关性,但低估需要进行偏差校正.
结论:
- 传感器的选择取决于目标的表型特征:生物质的MSI,高度的RGB.
- 高分辨率的无人机图像可以精确的定量检索料特征.
- 这项研究指导了在料作物中进行特定植被生长特征分析的最佳传感器选择.
