用无人机在MAGIC大米种群中进行特征预测的现象学分析,使用不同的移植协议

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:

• 无人驾驶飞行器 (UAV) 为作物监测提供有价值的时间序列RGB和多光谱数据.
• 之前的研究表明,来自无人机RGB数据的树冠高度 (CH) 预测了米的特征,例如天到头 (DTH),高峰长度 (CL) 和地面干燥重量 (ADW).
• 对不同种群和种植方法的CH的适用性,以及植物指数如绿色叶绿素指数 (CIg) 对于表型预测的实用性,需要进一步研究.

研究的目的:

• 评估CH和CIg参数的稳定性,以预测不同种群和种植方案的表型.
• 确定CIg是否可以作为CH无法很好地捕捉的特征的补充预测器.

主要方法:

• 从无人机图像中获得的时间序列CH和CIg数据的分析.
• 修改后勤和双重后勤模型的应用,从CH和CIg数据中提取单个参数.
• 在不同种植条件下,对包括DTH,CL,ADW,茎和叶子重量 (SLW) 和子重量 (PW) 在内的特征的预测性能进行评估.

主要成果:

• CH参数有效地预测了DTH,CL,ADW和SLW在常规和延迟种植协议下的新种群中.
• CIg参数在预测DTH和SLW方面表现出有效性,并且对于预测PW也很有用.
• 虽然预测准确性随着不同的种植协议而下降,但使用父品种的校准方法减轻了这种下降.

结论:

• CH参数在预测关键米生长特征 (DTH,CL,ADW,SLW) 方面表现出强度,不管米种群和种植方法的变化如何.
• CIg参数是CH的一个有价值的补充,特别是在增强恐慌重量 (PW) 的预测准确性方面.
• 来自无人机的CH和CIg数据为全面的米表型化提供了强大的,非破坏性的方法.