基于无人机和地面图像的田间水稻冠层参数估测与评价

• Published in: 作物学报 Vol. 48; no. 5; pp. 1248 - 1261
• Main Authors: 王泽, 周钦阳, 刘聪, 穆悦, 郭威, 丁艳锋, 二宫正士
• Format: Journal Article
• Language: Chinese
• Published: 南京农业大学作物表型组学交叉研究中心 / 南京农业大学前沿交叉研究院 / 江苏省现代作物生产协同创新中心 / 现代作物生产省部共建协同创新中心,中国江苏南京 210095%东京大学农学生命科学研究院生态调和农学机构 / 国际田间作物表型研究实验室,日本东京 188-0002%南京农业大学作物表型组学交叉研究中心 / 南京农业大学前沿交叉研究院 / 江苏省现代作物生产协同创新中心 / 现代作物生产省部共建协同创新中心,中国江苏南京 210095 12.05.2022; 东京大学农学生命科学研究院生态调和农学机构 / 国际田间作物表型研究实验室,日本东京 188-0002
• Subjects: 水稻表型;表型平台;长势参数;株高;冠层覆盖度;穗数计数
• ISSN: 0496-3490
• DOI: 10.3724/SP.J.1006.2022.02065

田间水稻表型监测可用于分析水稻产量相关性状,对指导水稻栽培管理以及产量预测具有重要意义.本研究以3种氮肥处理下6个不同栽培品种的水稻为研究对象,估测并评价了水稻冠层的主要表型参数,以探讨利用图像分析方法评价多品种及栽培环境下田间水稻长势的适用性.基于无人机和田间固定相机图像,本研究通过图像处理、三维建模和机器学习自动测算出田间水稻冠层覆盖度、株高、穗数,并结合实际测量结果进行了精度评价.结果表明:(1)基于无人机图像使用决策树分类模型提取的水稻冠层图像与人工勾绘结果一致性较好(Qseg均值为0.75,方差为0.08),由此计算的冠层覆盖度与人工勾绘计算的冠层覆盖度相关性较高(R2=0.83,RMSE=5.36％);(2)使用冠层高度模型估测的各小区水稻株高均值与田间实测高度均值相关性较高(R2=0.81,RMSE=9.81 cm),但整体呈现低估;(3)基于地面图像使用决策树分类和形态参数过滤得到的穗数计数结果与实测穗数相关性较高(R2=0.83,RMSE=10.99).总体而言,结合图像分析算法,应用低空无人机遥感技术高通量自动化估测水稻冠层覆盖度、株高的精度较高,而应用地面平台进行稻穗精确识别的潜力很大,可用于分析氮肥施用量对水稻长势指标的影响及不同品种对氮肥的响应情况,对田间水稻表型信息的深入挖掘及实际产量预测具有重要意义.