2018年6月至8月,在荷兰瓦赫宁根进行了一项研究:利用无人机-激光雷达(UAV-LiDAR)采集三种不同作物(马铃薯、甜菜和冬小麦)的种植数据,并评估该方法估算作物生物量和株高的性能,植物表型资讯介绍如下:
随着粮食生产压力的日渐增大,作物表型分析越发重要。因此,准确估算作物生长季生物量对优化产量具有重要意义。2018年6月至8月,在荷兰瓦赫宁根进行了一项研究:利用无人机-激光雷达(UAV-LiDAR)采集三种不同作物(马铃薯、甜菜和冬小麦)的种植数据,并评估该方法估算作物生物量和株高的性能。
左:研究区域内的田地概况:指示了要研究的三种不同田地和农作物。右:本研究中使用的三种不同作物。
该研究利用3DPI算法估算生物量,利用每平方米可变数量最高点的平均高度估算作物高度。结果得出,利用该方法可以准确估计甜菜(R2= 0.68,RMSE = 17.47 g / m2)和冬小麦(R2= 0.82,RMSE = 13.94 g / m2)的生物量。同时,也可以准确估计甜菜(R2= 0.70, RMSE = 7.4 cm)和冬小麦(R2= 0.78, RMSE = 3.4 cm)的作物高度。然而,马铃薯株高(R2=0.50,RMSE=12cm)和生物量估算(R2=0.24,RMSE=22.09g/m2),由于其复杂的冠层结构和种植马铃薯的垄状结构,其可靠性较差。最后,本文还指出,通常情况下,对于利用该方法进行精准生物量和作物高度估计,飞行条件(高度、速度、飞行路线的位置)应该与校准模型的设置相当,因为变化的条件会对估计的作物生物量和株高产生强烈影响。
显示了k = 3时测得的生物量和拟合的生物量之间的关系的散点图。
来源:
Harkel J t, Bartholomeus H and Kooistra L. Biomass and Crop Height Estimation of Different Crops Using UAV-based Lidar. Remote Sens. 2020, 12(1), 17; https://doi.org/10.3390/rs12010017.
转载请注明出处。