使用超光谱反射率进行小麦条纹生进展的非侵入性诊断
James F Cross1,2, Nicolas Cobo3, Darren T Drewry1,2,4,5
1Department of Food, Agricultural, and Biological Engineering, Ohio State University, Columbus, OH, United States.
Frontiers in plant science
|September 26, 2024
概括
超光谱反射光谱学准确地分类了小麦条纹生 (WSR) 的严重程度. 这项技术有助于开发耐的小麦品种,以提高作物弹性和产量.
科学领域:
- 植物病理学 植物病理学
- 遥感 遥感 遥感 遥感
- 农业科学 农业科学
背景情况:
- 小麦条纹生 (WSR) 对全球小麦产量构成重大威胁,造成大量作物损失.
- 遗传耐药性对于管理WSR至关重要,需要准确的方法来量化小麦育种计划中的疾病耐药性.
研究的目的:
- 评估可见到短波红外反射光谱的有效性,以对WSR严重性的高通量分类.
- 确定关键的光谱区域对于准确的WSR分类至关重要.
- 开发和比较树叶层面和树冠层面的高光谱模型来检测WSR.
主要方法:
- 随机森林模型是使用高光谱反射率数据从小麦植物得分为WSR严重性开发的.
- 在一个繁殖群体中收集了叶子水平和树冠水平的光谱观测.
- 主要组件分析和落后特征消除被用来简化模型的复杂性.
主要成果:
- 模型在诊断精确的WSR严重程度等级时达到45-52%的准确性,允许逐一分数时提高到79-96%.
- 与叶子级模型相比,天花板级模型表现出更高的准确性和独特的光谱特征.
- 使用大约10个光谱元件或波段的简化模型保持了高分类能力.
结论:
- 可见到短波红外反射光谱,结合机器学习,提供了一个精确的远程监控工具,为WSR.
- 这项技术可以有效地帮助选择耐的小麦生殖质和管理作物疾病.
- 覆盖层的超光谱分析显示,对于现场规模的WSR监测和育种应用有前途.
