基于无人机RGB图像特征的玉米地上生物量估算
摘要
1.简介
(1) 从消费者级无人机RGB点云直接导出玉米PH值,并与地面实际PH值进行比较分析; (2) 利用线性和指数回归分析,建立了仅基于PH的玉米AGB估算模型; 通过使用单变量和多变量线性回归分析,仅基于VIs; 并基于VIs和PH,采用多变量线性回归分析; (3) 对玉米AGB估算模型的性能进行了比较分析,并利用最优估算模型绘制了玉米AGB的分布图。
2.材料和方法
2.1. 研究领域
2.2. 现场测量
2.3. 无人机RGB图像的采集与预处理
2.4. 玉米株高的提取
2.5. 无人机RGB植被指数的计算
2.6. 植物高度和生物量的估算模型
2.7. 统计分析
3.结果
3.1. 无人机点云玉米株高与地面实际值的比较
3.2. 基于无人机RGB点云植物高度的玉米生物量估算模型
3.3. 基于无人机RGB植被指数的玉米生物量估算模型
3.4. 基于株高和植被指数的玉米生物量估算模型
3.5. 基于无人机RGB遥感的玉米地上生物量制图
4.讨论
5.结论
作者贡献
基金
致谢
利益冲突
附录A
工具书类
阿特金森,J.A。; R.J.杰克逊。; A.R.本特利。; Ober,E。; Wells,D.M.Field Phenotyping for the Future公司。 每年。 Plant Rev.在线 2018 . [ 谷歌学者 ] [ 交叉参考 ] Tubiello,F。 适应和缓解气候变化:粮食部门的挑战和机遇 ; 自然资源管理和环境部:意大利罗马,2012年。 [ 谷歌学者 ] Shiferaw,B。; 不列颠哥伦比亚省普拉桑纳。; Hellin,J。; Bänziger,M.养活世界的作物6。 玉米在全球粮食安全中所起作用的过去成就和未来挑战。 食品安全。 2011 , 三 , 307. [ 谷歌学者 ] [ 交叉参考 ] A.米切斯。; 鲍文斯,S。; 布罗斯托克斯,Y。; 希尔,M.-P。; 加雷,S。; Lejeune,P。; Dumont,B.消费者级无人机RGB图像能在多大程度上描述作物生产? 应用于玉米的3D和多时相建模方法。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] Wang,L。; 田,Y。; 夏,Y。; 严,Z。; Cao,W.通过融合多传感器和多时相遥感图像预测小麦的产量和蛋白质含量。 田间作物研究。 2014 , 164 , 178–188. [ 谷歌学者 ] [ 交叉参考 ] 金,X。; Yang,G。; 李,Z。; Xu,X。; Wang,J。; Lan,Y.使用AquaCrop模型和田间高光谱数据估算冬小麦水分生产力。 精确。 农业。 2016 , 19 , 1–17. [ 谷歌学者 ] [ 交叉参考 ] 奈尔,S。; 约翰逊,J。; Wang,C.灌溉用水效率:多学科视角的回顾。 阿格隆。 J。 2013 , 105 , 351–363. [ 谷歌学者 ] [ 交叉参考 ] Walter,J。; J.爱德华兹。; 麦克唐纳,G。; Kuchel,H.估算小麦生物量和收获指数的摄影测量学。 田间作物研究。 2018 , 216 , 165–174. [ 谷歌学者 ] [ 交叉参考 ] 巴索,B。; 杜蒙特,B。; 卡马拉诺,D。; Pezzuolo,A。; 马里内洛,F。; Sartori,L.。硝酸盐脆弱区变量氮肥的环境和经济效益。 科学。 总体环境。 2016 , 545–546 , 227–235. [ 谷歌学者 ] [ 交叉参考 ] Hiel,医学博士。; Barbieux,S。; 皮尔勒,J。; 奥利维尔,C。; 小叶,G。; 罗辛,C。; 加雷,S。; 科林特,G。; 博德森,B。; Dumont,B.在温带气候肥沃土壤中作物轮作七年后,作物残茬管理对作物生产和土壤化学的影响。 同行J 2018 , 6 ,e4836。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 李伟(Li,W.)。; 牛,Z。; 黄,N。; 王,C。; 高,S。; Wu,C.估算玉米生物量组成的机载激光雷达技术:以中国西北部张掖市为例。 经济。 印度。 2015 , 57 , 486–496. [ 谷歌学者 ] [ 交叉参考 ] 贝克尔·雷谢夫,I。; 佛蒙特,E。; 林德曼,M。; Justice,C.使用MODIS数据预测堪萨斯州和乌克兰冬小麦产量的广义回归模型。 遥感环境。 2010 , 114 , 1312–1323. [ 谷歌学者 ] [ 交叉参考 ] 木材,M。; 梅恩德斯,P。; Bustamante,J。; Soriguer,R。; Santamaría,L.使用MODIS NDVI地表物候模拟季节性湿地的生物量生产。 远程传感器。 2017 , 9 . [ 谷歌学者 ] [ 交叉参考 ] 李,M。; 吴,J。; 宋,C。; 他,Y。; 牛,B。; Fu,G。; Tarolli,P。; Tietjen,B。; Zhang,X.青藏高原北部高寒草地降水和生物量的时间变化。 远程传感器。 2019 , 11 . [ 谷歌学者 ] [ 交叉参考 ] 陈,L。; Wang,Y。; Ren,C。; 张,B。; Wang,Z.从Sentinel和SRTM数据绘制森林地上生物量图的预测值和算法的最佳组合。 远程传感器。 2019 , 11 . [ 谷歌学者 ] [ 交叉参考 ] 潘迪特,S。; Tsuyuki,S。; Dube,T.景观-尼泊尔中部缓冲区社区森林的地上生物量估算:结合现场测量和Landsat 8卫星数据。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] Pham,T.D。; Yoshino,K.使用ALOS-2 PALSAR图像对越南海防市红树林物种的地上生物量进行估算。 J.应用。 远程传感器。 2017 , 11 . [ 谷歌学者 ] [ 交叉参考 ] Castillo,J.A.A。; 阿潘,A.A。; 马拉塞尼,T.N。; Salmo,S.G.使用Sentinel图像估算和绘制菲律宾红树林地上生物量及其替代土地用途。 ISPRS J.摄影。 远程传感器。 2017 , 134 , 70–85. [ 谷歌学者 ] [ 交叉参考 ] 库戈,M。; Souza-Filho,P。; 席尔瓦,A。; 费尔南德斯,M。; 桑托斯,J。; Abreu,M。; Nascimento,W。; Simard,M.Radarsat-2红树林再生生物物理参数建模的后向散射。 远程传感器。 2015 , 7 , 17097–17112. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 张,L。; 张,H。; 牛,Y。; Han,W.基于无人机多光谱遥感绘制玉米水分胁迫图。 远程传感器。 2019 , 11 . [ 谷歌学者 ] [ 交叉参考 ] Herwitz,S.R.公司。; 约翰逊,L.F。; Dunagan,S.E.公司。; 希金斯,R.G。; 沙利文,D.V。; 郑洁。; B.M.洛比茨。; Leung,J.G。; Gallmeyer,文学学士。; 奥亚吉,M。; 等。无人飞行器成像:农业监测和决策支持。 计算。 电子。 农业。 2004 , 44 , 49–61. [ 谷歌学者 ] [ 交叉参考 ] A.米切斯。; Lejeune,P。; 鲍文斯,S。; Herinaina,A。; 布莱斯,Y。; 卡斯特罗·穆尼奥斯,E。; 勒博,F。; Bindelle,J.使用无人空中系统测绘和监测牧场生物量和放牧。 远程传感器。 2019 , 11 . [ 谷歌学者 ] [ 交叉参考 ] Bendig,J。; Yu,K。; Aasen,H。; 博尔顿,A。; Bennertz,S。; Broscheit,J。; 格尼普,M.L。; Bareth,G.结合作物表面模型、可见光和近红外植被指数中基于无人机的植物高度,用于大麦生物量监测。 国际期刊申请。 地球观测地球信息。 2015 , 39 , 79–87. [ 谷歌学者 ] [ 交叉参考 ] 迈迈提江,M。; Ghulam,A。; Sidike,P。; 哈特林,S。; Maimaitiyiming,M。; 彼得森,K。; Shavers,E。; 菲什曼,J。; 彼得森,J。; 卡达姆,S。; 等。基于无人空中系统(UAS)的大豆表型分析,使用多传感器数据融合和极端学习机。 ISPRS J.摄影。 远程传感器。 2017 , 134 , 43–58. [ 谷歌学者 ] [ 交叉参考 ] 贾亚图nga,S。; Owari,T。; Tsuyuki,S.《未老化森林管理的数字航空摄影测量:评估重建树冠结构和估算生物量的潜力》。 远程传感器。 2019 , 11 . [ 谷歌学者 ] [ 交叉参考 ] 巴列斯特罗斯,R。; 奥尔特加,J.F。; 埃尔南德斯博士。; Moreno,M.A.洋葱生物量监测,使用基于无人机的RGB成像。 精确。 农业。 2018 , 19 , 840–857. [ 谷歌学者 ] [ 交叉参考 ] Brocks,S。; Bareth,G.利用倾斜RGB图像的作物表面模型估算大麦生物量。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] 张,H.F。; 孙,Y。; Chang,L。; 秦,Y。; Chen,J.J。; 秦,Y。; 杜J.X。; Yi,S.H。; Wang,Y.L.使用无人飞行器在象限尺度上估算草地冠层高度和地上生物量。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] 新几内亚西利奥斯。; 亚历山大迪斯,T.K。; 吉塔斯,I.Z。; Perakis,K.植被指数:过去30年生物量估算和植被监测的进展。 Geocarto国际。 2006 , 21 , 21–28. [ 谷歌学者 ] [ 交叉参考 ] 巴列斯特罗斯,R。; 费尔南多·奥尔特加,J。; 埃尔南德斯,D。; Angel Moreno,M.使用基于无人驾驶飞行器的遥感和摄影测量技术对葡萄冠层进行表征。 Am.J.伊诺。 维提克。 2015 , 66 , 120–129. [ 谷歌学者 ] [ 交叉参考 ] Ota,T。; O.S.艾哈迈德。; 明尼苏达州。; Khai,T.C。; Mizoue,N。; Yoshida,S.使用无人驾驶飞行器在伐木事件前后获得的数字航空摄影技术,估算选择性伐木对热带森林地上生物量的影响。 对于。 经济。 管理。 2019 , 433 , 162–169. [ 谷歌学者 ] [ 交叉参考 ] Aasen,H。; Burkart,A。; 博尔顿,A。; Bareth,G.使用轻型无人机快照相机生成用于植被监测的3D高光谱信息:从相机校准到质量保证。 ISPRS J.摄影。 远程传感器。 2015 , 108 , 245–259. [ 谷歌学者 ] [ 交叉参考 ] 卡查巴,D.J。; 奥卡,H.O。; Gobakken,T。; 开斋节。; Mwase,W.利用热带林地无人飞行器图像的3D数据估算生物量。 远程传感器。 2016 , 8 . [ 谷歌学者 ] [ 交叉参考 ] 桑卡兰,S。; 周J.F。; 科特,L.R。; 特拉普,J.J。; Mndolwa,E。; Miklas,P.N.。使用基于小型无人飞行器的多光谱图像对干豆进行高通量田间表型分析。 计算。 电子。 农业。 2018 , 151 , 84–92. [ 谷歌学者 ] [ 交叉参考 ] 纳西,R。; 北维尔亚宁。; Kaivosoja,J。; Alhonoja,K。; 哈卡拉,T。; 马克林,L。; Honkavaara,E.使用无人机和基于飞机的光谱和摄影测量3D特征估算大麦和草的生物量和氮含量。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] Yue,J.B。; 冯,香港。; Jin,X.L。; 袁,H.H。; 李,Z.H。; 周春秋。; Yang,G.J。; Tian,Q.J.《利用无人机搭载快照高光谱传感器和高清数字相机的图像估计作物参数的比较》。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] 卢,N。; 周,J。; 韩,Z.X。; 李,D。; 曹,Q。; 姚,X。; 田,Y.C。; Zhu,Y。; 曹,W.X。; Cheng,T.改进了从RGB图像和低成本无人机系统获取的点云数据中估算小麦地上生物量的方法。 工厂方法 2019 , 15 . [ 谷歌学者 ] [ 交叉参考 ] Han,L。; Yang,G.J.先生。; 戴,H.Y。; 徐,B。; Yang,H.等人。; 香港冯。; 李,Z.H。; Yang,X.D.使用无人机远程数据,基于机器学习方法对玉米地上生物量进行建模。 工厂方法 2019 , 15 . [ 谷歌学者 ] [ 交叉参考 ] Li,J.T。; Shi,Y.Y。; Veeranampalayam-Sivakumar,A.N。; Schachtman,D.P.利用来自无人飞机系统的光谱和形态特征解释高粱生物量、氮和叶绿素含量。 前面。 植物科学。 2018 , 9 . [ 谷歌学者 ] [ 交叉参考 ] 织女星,F.A。; F.C.拉米雷斯。; 医学博士Saiz。; Rosúa,F.O.使用无人飞行器监测向日葵作物的多时间成像。 生物晶体。 工程师。 2015 , 132 , 19–27. [ 谷歌学者 ] [ 交叉参考 ] 特纳,D。; Lucieer,A。; Watson,C.一种基于运动结构(SfM)点云的从超高分辨率无人机(UAV)图像生成地球校正马赛克的自动化技术。 远程传感器。 2012 , 4 , 1392–1410. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Duan,T。; 郑,B。; 郭伟。; 尼诺米亚,S。; 郭毅。; Chapman,S.C.根据无人机捕获的图像和正交组分,比较棉花、高粱和甘蔗试验地的地面覆盖估计值。 功能。 植物生物学。 2017 , 44 . [ 谷歌学者 ] [ 交叉参考 ] Jannoura,R。; Brinkmann,K。; 尤图,D。; 布伦斯,C。; Joergensen,R.G.使用遥控六翼直升机拍摄的真彩色航空照片监测作物生物量。 生物晶体。 工程师。 2015 , 129 , 341–351. [ 谷歌学者 ] [ 交叉参考 ] 亨特,E.R.,Jr。; Cavigelli,M。; Daughtry,C.S.T。; 麦克默特雷,J.E.,III; Walthall,C.L.《作物生物量和氮状况遥感模型飞机数字摄影评估》。 精确。 农业。 2005 , 6 , 359–378. [ 谷歌学者 ] [ 交叉参考 ] 郑毅。; 张,M。; 张,X。; 曾浩。; Wu,B.使用PROBA-V 100米和300米S1产品混合的时间序列数据绘制冬小麦生物量和产量图。 远程传感器。 2016 , 8 . [ 谷歌学者 ] [ 交叉参考 ] 克罗斯,A。; 麦克奈恩,H。; 拉彭,D。; Sunohara,M。; Champagne,C.玉米和大豆作物叶面积指数和生物量估算的RapidEye植被指数评估。 国际期刊申请。 地球观测地球信息。 2015 , 34 , 235–248. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 安布罗斯,A。; 布里,P。; Lénárt,C。; Enyedi,P。; Kovács,Z。利用窄带植被估算冬小麦生物量。 J.美分。 Eur.Green Innov公司。 2015 , 三 , 13. [ 谷歌学者 ] Schirrmann,M。; Giebel,A。; 格里尼格,F。; 普弗兰兹,M。; Lentschke,J。; Dammer,K.-H.用低成本无人机图像监测冬小麦作物的农艺参数。 远程传感器。 2016 , 8 . [ 谷歌学者 ] [ 交叉参考 ] 片冈,T。; Kaneko,T。; 冈本,H。; 使用机器视觉的作物生长估计系统。 《IEEE/ASME高级智能机电一体化国际会议论文集》,日本神户,2003年7月20日至24日。 [ 谷歌学者 ] 海牙,T。; 蒂列特,N.D。; Wheeler,H.《宽间距谷物中的作物和杂草自动监测》。 精确。 农业。 2006 , 7 , 21–32. [ 谷歌学者 ] [ 交叉参考 ] 吉亚罗,M。; Pajares,G。; Riomoros,I。; P.J.埃雷拉。; Burgos-Artizu,X.P。; Ribeiro,A.农业图像中相关纹理的自动分割。 计算。 电子。 农业。 2011 , 75 , 75–83. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Hamuda,E。; Glavin,M。; Jones,E.该领域用于植物提取和分割的图像处理技术综述。 计算。 电子。 农业。 2016 , 125 , 184–199. [ 谷歌学者 ] [ 交叉参考 ] G.J.J.Verhoeven,这一切都是关于形式——释放原始航空摄影的力量。 Int.J.远程传感器。 2010 , 31 , 2009–2042. [ 谷歌学者 ] [ 交叉参考 ] 李,S。; 丁,X。; Kuang,Q。; Ata-Ui-Karim,S.T.公司。; Cheng,T。; 刘,X。; 田,Y。; Zhu,Y。; 曹伟。; 曹,Q.基于无人机的主动传感监测水稻叶片氮素状况的潜力。 前面。 植物科学。 2018 , 9 , 1834. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Hirotugu,A.统计模型识别的新视角。 自动。 控制计算。 科学。 1974 , 19 , 716–723. [ 谷歌学者 ] [ 交叉参考 ] 李伟(Li,W.)。; 牛,Z。; 陈,H.Y。; 李,D。; Wu,医学硕士。; Zhao,W.使用低成本无人飞行器系统的高分辨率立体图像远程估计玉米的冠层高度和地上生物量。 经济。 印度。 2016 , 67 , 637–648. [ 谷歌学者 ] [ 交叉参考 ] Matese,A。; Di Gennaro,S.F.公司。; Berton,A.使用基于无人机的多光谱成像对葡萄园冠层高度模型(CHM)的评估。 Int.J.远程传感器。 2017 , 38 , 2150–2160. [ 谷歌学者 ] [ 交叉参考 ] 罗,S。; 王,C。; Xi,X。; 潘,F。; 彭,D。; 邹,J。; 聂,S。; 秦,H。机载激光雷达数据和高光谱图像的融合,用于地上和地下森林生物量估算。 经济。 印度。 2017 , 73 , 378–387. [ 谷歌学者 ] [ 交叉参考 ] 费尔南德斯·阿尔瓦雷斯,M。; Armesto,J。; Picos,J.《基于激光雷达的WUI野火预防:森林燃料的自动检测、测量和评估》。 森林 2019 , 10 . [ 谷歌学者 ] [ 交叉参考 ] 郭,Q。; 苏,Y。; 胡,T。; X.赵。; Wu,F。; 李毅。; 刘杰。; 陈,L。; 徐,G。; 林·G。; 等。一个集成无人机机载激光雷达系统,用于在中国三个森林生态系统中进行三维栖息地测绘。 Int.J.远程传感器。 2017 , 38 , 2954–2972. [ 谷歌学者 ] [ 交叉参考 ] Madec,S。; 巴雷特,F。; 德索兰,B。; 托马斯·S。; Dutartre,D。; 杰泽克尔,S。; Hemmerle,M。; 科伦坡,G。; Comar,A.《植物高度的高通量表型:比较无人机和地面激光雷达估算值》。 前面。 植物科学。 2017 , 8 . [ 谷歌学者 ] [ 交叉参考 ] Wang,D.L。; Xin,X.P。; 邵,Q.Q。; 布罗利,M。; 朱,Z.L。; Chen,J.使用无人飞行器离散激光雷达模拟呼伦贝尔草原生态系统的地上生物量。 传感器 2017 , 17 . [ 谷歌学者 ] [ 交叉参考 ] 刘凯。; 沈,X。; 曹,L。; 王,G.B。; Cao,F.L.使用银杏种植园的UAV-LiDAR数据估算森林结构属性。 ISPRS J.摄影。 远程传感器。 2018 , 146 , 465–482. [ 谷歌学者 ] [ 交叉参考 ] Iizuka,K。; Yonehara,T。; 伊藤,M。; Kosugi,Y.根据日本柏树(Chamaecyparis obtusa)森林的数字表面模型和无人机系统获得的正射照片估计树木高度和胸径(DBH)。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] 巴雷思,G。; Schellberg,J.在草地上用低成本无人机衍生的沼泽高度数据代替手动上升板测量仪进行空间监测。 PFG-J.照片。 遥感地理信息。 科学。 2018 , 86 , 157–168. [ 谷歌学者 ] [ 交叉参考 ] 王晓庆。; 张瑞云。; Song,W。; Han,L。; Liu,X.L。; 太阳,X。; 罗,M.J。; Chen,K。; Zhang,Y.X。; Yang,H.等人。; 等。通过使用高通量无人机(UAV)进行遥感表型分析,在玉米中揭示了动态株高QTL。 科学。 代表。 2019 , 9 . [ 谷歌学者 ] [ 交叉参考 ] Schirrmann,M。; A.哈姆多夫。; 吉贝尔,A。; Gleiniger,F。; 普弗兰兹,M。; Dammer,K.H.回归克里格法,用于改进融合超声波传感和无人机图像的作物高度模型。 远程传感器。 2017 , 9 . [ 谷歌学者 ] [ 交叉参考 ] Ziliani,M.G。; 南达科他州帕克斯。; Hoteit,I。; McCabe,M.F.使用固定翼无人机在商业农场规模下的季内作物高度变化。 远程传感器。 2018 , 10 . [ 谷歌学者 ] [ 交叉参考 ] Gruner,E。; Astor,T。; Wachendorf,M.基于无人机成像的SfM方法对非均质温带草原的生物量预测。 农学 2019 , 9 . [ 谷歌学者 ] [ 交叉参考 ] Bendig,J。; 博尔顿,A。; Bennertz,S。; Broscheit,J。; 艾奇弗斯,S。; Bareth,G.使用基于无人机RGB成像的作物表面模型(CSM)估算大麦生物量。 远程传感器。 2014 , 6 , 10395–10412. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 王,C。; 聂,S。; Xi,X。; 罗,S。; Sun,X.利用高光谱和激光雷达数据估算玉米的生物量。 远程传感器。 2016 , 9 . [ 谷歌学者 ] [ 交叉参考 ] 蒂利,N。; Aasen,H。; Bareth,G.大麦生物量估算中株高和植被指数的融合。 远程传感器。 2015 , 7 , 11449–11480. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 蒂利,N。; 霍夫梅斯特,D。; 曹,Q。; Lenz-Wiedemann,V。; 苗,Y。; Bareth,G.从空间株高数据估算水稻生物量模型的可传递性。 农业 2015 , 5 , 538–560. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Yue,J.B。; Yang,G.J。; Li,首席执行官。; 李,Z.H。; Wang,Y.J。; 香港冯。; Xu,B.使用基于无人机的快照高光谱传感器和作物高度改进模型估算冬小麦地上生物量。 远程传感器。 2017 , 9 . [ 谷歌学者 ] [ 交叉参考 ] 范德梅伊,B。; 库瓦斯特拉,L。; 索马莱恩,J。; 巴雷尔,J.M。; De Deyn,G.B.使用基于无人机的光学传感器对基于现场的植物-土壤反馈的植物特性响应进行遥感。 生物地球科学 2017 , 14 , 733–749. [ 谷歌学者 ] [ 交叉参考 ] 巴列斯特罗斯,R。; 奥尔特加,J.F。; 埃尔南德斯,D。; del Campo,A。; Moreno,M.A.将农业气候和高分辨率遥感信息结合用于作物监测。 国际期刊申请。 地球观测地球信息。 2018 , 72 , 66–75. [ 谷歌学者 ] [ 交叉参考 ]