查看原文
其他

崔国贤教授团队等:基于无人机遥感表型监测的苎麻优质种质资源筛选方法(《智慧农业(中英文)》2022年第4期)

付虹雨等 智慧农业期刊 2023-02-26


引用格式

付虹雨, 王薇, 廖澳, 岳云开, 许明志, 王梓薇, 陈建福, 佘玮, 崔国贤. 基于无人机遥感表型监测的苎麻优质种质资源筛选方法[J]. 智慧农业(中英文), 2022, 4(4): 74-83.

FU Hongyu, WANG Wei, LIAO Ao, YUE Yunkai, XU Mingzhi, WANG Ziwei, CHEN Jianfu, SHE Wei, CUI Guoxian. High quality ramie resource screening based on UAV remote sensing phenotype monitoring[J]. Smart Agriculture, 2022, 4(4): 74-83. 

知网阅读

官网阅读(全文,免费)

基于无人机遥感表型监测的苎麻优质种质资源筛选方法

付虹雨, 王薇, 廖澳, 岳云开, 许明志, 王梓薇, 陈建福, 佘玮, 崔国贤*

(湖南农业大学 农学院,湖南长沙 410128)

摘要: 苎麻是重要的纤维作物之一,由于土地资源紧缺及优良品种的推广应用等原因,苎麻遗传变异和遗传多样性减少,对苎麻种质资源多样性调查和保护的需求日趋加大。基于无人机遥感的作物表型测量方法可以对不同基因型作物的生长特性进行频繁、快速、无损、精准的监测,实现作物种质资源调查,筛选特异优质品种。为了实现苎麻种质资源表型的高效综合评价,辅助筛选优势苎麻品种,本研究提出了一种基于无人机遥感影像的苎麻种质资源表型监测及筛选方法。首先,基于无人机遥感影像,利用Pix4dmapper软件生成试验区的数字地表模型(Digital Surface Model,DSM)和正射影像;然后,对苎麻种质资源关键表型参数(株高、株数、叶面积指数、叶片叶绿素含量、含水量)进行估测。基于DSM采用“差分法”提取苎麻株高,基于正射图像采用目标检测算法提取苎麻株数,采用机器学习方法估测苎麻叶面积指数(Leaf Area Index,LAI)、叶片叶绿素含量(SPAD值)、含水量;最后,根据提取的各项遥感表型参数,采用变异性分析和主成分分析方法对苎麻种质资源进行遗传多样性分析。结果表明,(1)基于无人机遥感的苎麻表型估测效果较好,株高的拟合精度为0.93,均方根误差为5.65 cm;SPAD值、含水量、LAI的拟合指标分别达到0.66、0.79、0.74,RMSE分别为2.03、2.21、0.63;(2)苎麻种质资源的遥感表型存在较大差异,LAI、株高和株数的估测值变异系数分别达到20.82%、24.61%和35.48%;(3)利用主成分分析法将苎麻种质资源的遥感表型聚类为因子1(株高、LAI)和因子2(LAI、SPAD值),因子1可用于苎麻种质资源结构特征评价,因子2可以作为高光效苎麻资源的筛选指标。本研究将为作物种质资源表型监测和育种相关分析提供参考。

关键词: 苎麻;种质资源多样性;表型;无人机遥感;数字地表模型;机器学习

文章图片

图1 苎麻种质资源试验小区位置及分布图

Fig.1  Location and distribution map of ramie germplasm resources test plot

图2 苎麻种质资源试验区域正射影像及数字地表模型

Fig. 2  Orthophoto image and digital surface model of ramie germplasm resources test area

图3 基于全卷积一阶段目标检测算法的苎麻植株检测结果

Fig. 3  Ramie plant counting results based on fully convolutional one-stage object detection(FCOS)

图 4 基于遥感衍生性状的苎麻种质资源差异性分析

Fig.4  Difference analysis of ramie germplasm resources based on remote sensing derived characters

图5 苎麻种质资源遥感表型的主成分分类

Fig. 5  Principal component classification of remote sensing phenotypes of ramie germplasm resources

图 6 苎麻种质资源在因子1-因子2坐标系中的分布

Fig.6  Distribution of ramie germplasm resources in factor 1-factor 2 coordinate system



通信作者简介


崔国贤  教授

崔国贤,博士,国家麻类体系养分管理岗位科学家,二级教授,博士生导师。主要从事苎麻栽培育种及综合利用、植物营养生理研究及麻类作物遥感监测研究。多次担任“科技部、农业部、水利部及湖南省”等单位项目评审、评奖与验收专家,“国家科技奖励”评审专家、 “国家自然科学基金”“中国高校博士点”“霍英东基金”等基金的评审专家,“中国农业科学”(中文版、英文版)、“植物遗传与资源学报”“中国麻业科学”及“Industrial Crops and Products” “Textile Research Journal”等刊物的审稿专家,“中国麻业科学”编委。中国麻类作物品种审定委员会专家,中国作物学会麻类专业委员会常委,湖南省农业综合开发办专家。湖南省麻业协会常务理事,中国麻业科学编委。为主创建的“麻类作物营养与施肥网”(www.fibercrops.com)受到麻业同行的厚爱。主持或参加的研究项目20多项,获省部级科技成果奖8项,软件著作权1项,国家发明专利授权3项,主编或参编著作10部,发表或交流论文170多篇。

来源:《智慧农业(中英文)》2022年第4期

转载请联系编辑部授权


本期支持单位

潍柴雷沃智慧农业科技股份有限公司




推荐阅读


李振海教授团队:基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型


张昭教授团队:基于多种深度学习算法的田间玉米籽粒检测与计数


严海军教授团队:无人机遥感在饲草作物生长监测中的应用研究进展


赵春江院士团队:大田无人农场关键技术研究现状与展望







欢迎光临选购

智慧农业微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流,促进智慧农业发展,为更好地服务广大读者、作者和审稿人,编辑部建立了微信交流服务群,有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法:加小编微信331760296备注:姓名、单位、研究方向,小编拉您进群,机构营销广告人员勿扰。

发布征集







欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。

求点“在看每增加1个,小编绩效加5毛钱

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存