投稿问答最小化  关闭

万维书刊APP下载

The Crop Journal | 南京农业大学利用近端多源遥感解析光谱和结构性状对小麦估产的贡献

2022/8/9 11:25:01  阅读:412 发布者:

小麦是我国的主要粮食作物之一,高效精准预测产量对小麦田间栽培管理决策、品种选育和保障国家粮食安全都具有重要意义。产量预测模型与近地面遥感表型观测结合,已成为产量预测的重要手段。目前,通过结合遥感数据,基于机器学习的产量预测模型性能得到了充分改善。但现有研究多聚焦于实现产量的高精度预测,缺乏对产量预测过程中涉及的模型、生育期及数据源等影响因素的系统分析。

近日,南京农业大学前沿交叉研究院金时超课题组(作物表型)与农学院姜东课题组(小麦栽培)合作在The Crop Journal在线发表了题为“Deciphering the contributions of spectral and structural data to wheat yield estimation from proximal sensing”的研究论文,通过结合机器学习模型与近地面多源数据,揭示最佳产量预测模型,实现小麦产量的准确预测。在此基础上,系统解析多源数据、多生育期数据及三维冠层信息对小麦产量预测的贡献,为数据源的选择优化提供依据。

研究团队以黄淮小麦主产区广泛种植的120种小麦品种为材料,基于田间高通量作物表型平台采集了包含品种和氮肥处理在内的480个小区,覆盖81天的三维光谱点云数据(图1),结合多个机器学习模型构建了小麦估产模型。研究表明,在人工神经网络(artificial neural, ANN)、支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和逐步多元回归(stepwise multiple regression, SMR)四个主流机器学习模型中,ANN模型可获得最佳产量预测精度(R= 0.891,图2)。在全生育期范围内,结构与光谱性状的融合都可提高小麦产量预测的准确性(R20.697~0.891,图3)。进一步分析发现,光谱性状(尤其是CIgreenARISIPI)比结构性状对小麦产量预测的贡献更明显,尤其是在生长发育前期,但结构性状(如高度、冠层覆盖度和体积)在生育后期对产量预测的精度更稳定(图4)。此外,研究团队利用近端高精度三维光谱点云模拟冠层表面点云,并对比了基于完整的冠层三维信息与冠层表面信息进行产量预测的差异点,阐明了完整的冠层数据在结构和光谱性状提取方面的优势(图5)。研究结果对选择最优的产量预测模型、数据源及时间序列组合方案具有重要的参考意义。

转自:植物生物技术Pbj

如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com