Dualex植物多酚-叶绿素仪:基于无人机的大豆FVC、LCC和成熟度遥感监测

欧亚国际

欢迎您来到欧亚国际科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

技术文章

当前位置:  首页 > 技术文章

Dualex植物多酚-叶绿素仪:基于无人机的大豆FVC、LCC和成熟度遥感监测

发表时间:2023-04-19 19:42:32点击:807

来源:北京欧亚国际科技有限公司

分享:

Dualex是一款源自于法国国家科学院 (CNRS)及巴黎第十一大学技术,由奥地利PESSL公司生产(原法国Force-A公司)开发的新型多功能叶片测量仪。它可同时准确测量叶片的叶绿素含量、叶片表层的类黄酮和花青素含量,适用于植物生理学和农学(如水稻叶绿素浓度,玉米氮素状况,葡萄藤等)相关研究。其测量对象可以是单子叶植物,双子叶植物或多年生植物。这款设备简单易用,可进a行实时和非破坏性测量。由于不需要校准标定和事先的样品制备,测量工作可在实验室或现场完成。此外,该设备在各种温度的和环境光照条件下均可进行简单、快速、无损测量叶片中的叶绿素、多酚以及花青素。

1681807281546295.png

摘要

及时准确地监测部分植被覆盖率(FVC)、叶片叶绿素含量(LCC)和育种材料的成熟度对育种公司至关重要。本研究旨在基于遥感估计LCC和FVC,并基于LCC和FVC分布监测成熟度。我们收集了大豆关键生长阶段的无人机RGB图像,即结荚(P1)、早期凸起(P2)、凸起峰值(P3)和成熟(P4)阶段。首先,基于上述多周期数据,使用偏最小二乘回归(PLSR)、多元逐步回归(MSR)、随机森林回归(RF)和高斯过程回归(GPR)四种回归技术分别估计LCC和FVC,并结合植被指数(VI)绘制图像。其次,利用P3(未成熟)的LCC图像检测大豆材料中的LCC和FVC异常。该方法用于获得大豆成熟度监测的阈值。此外,通过使用P3-LCC的阈值,在P4(成熟阶段)监测大豆的成熟和未成熟区域。大豆材料的LCC和FVC异常检测方法将图像像素呈现为直方图,并逐渐从尾部去除异常值,直到分布接近正态分布。最后,提取P4成熟区域(从上一步获得),并使用基于P4-FVC图像的大豆材料LCC和FVC异常检测方法在该区域进行大豆收获监测。在四个回归模型中,GPR在估算LCC(R2:0.84,RMSE:3.99)和FVC(R2:0.96,RMSE:0.08)方面表现最好。该过程为大豆多个生长阶段的FVC和LCC估算提供了参考;P3-LCC图像结合大豆材料的LCC和FVC异常检测方法,能够有效监测大豆成熟区域(总体准确度为0.988,成熟准确度为0.95 51,未成熟准确度为0.9 87),P3获得的LCC阈值也应用于P4,用于大豆成熟度监测(总体准确度为0.984,成熟准确度为0.995,未成熟准确度为0.95 5);大豆材料LCC和FVC异常检测方法能够准确监测大豆收获区(总体准确度为0.981,成熟度为0.987,收获度为0.972)。本研究为大豆成熟度监测提供了一种新的方法和技术。

关键词:无人机;叶绿素;植被覆盖率;成熟度监测;异常检测 

Abstract

Timely and accurate monitoring of fractional vegetation cover (FVC), leaf chlorophyll content (LCC), and maturity of breeding material are essential for breeding companies. This study aimed to estimate LCC and FVC on the basis of remote sensing and to monitor maturity on the basis of LCC and FVC distribution. We collected UAV-RGB images at key growth stages of soybean, namely, the podding (P1), early bulge (P2), peak bulge (P3), and maturity (P4) stages. Firstly, based on the above multi-period data, four regression techniques, namely, partial least squares regression (PLSR), multiple stepwise regression (MSR), random forest regression (RF), and Gaussian process regression (GPR), were used to estimate the LCC and FVC, respectively, and plot the images in combination with vegetation index (VI). Secondly, the LCC images of P3 (non-maturity) were used to detect LCC and FVC anomalies in soybean materials. The method was used to obtain the threshold values for soybean maturity monitoring. Additionally, the mature and immature regions of soybean were monitored at P4 (mature stage) by using the thresholds of P3-LCC. The LCC and FVC anomaly detection method for soybean material presents the image pixels as a histogram and gradually removes the anomalous values from the tails until the distribution approaches a normal distribution. Finally, the P4 mature region (obtained from the previous step) is extracted, and soybean harvest monitoring is carried

out in this region using the LCC and FVC anomaly detection method for soybean material based on the P4-FVC image. Among the four regression models, GPR performed best at estimating LCC (R2: 0.84, RMSE: 3.99) and FVC (R2: 0.96, RMSE: 0.08). This process provides a reference for the FVC and LCC estimation of soybean at multiple growth stages; the P3-LCC images in combination with the LCC and FVC anomaly detection methods for soybean material were able to effectively monitor soybean maturation regions (overall accuracy of 0.988, mature accuracy of 0.951, immature accuracy of 0.987). In addition, the LCC thresholds obtained by P3 were also applied to P4 for soybean maturity monitoring (overall accuracy of 0.984, mature accuracy of 0.995, immature accuracy of 0.955); the LCC and FVC anomaly detection method for soybean material enabled accurate monitoring of soybean harvesting areas (overall accuracy of 0.981, mature accuracy of 0.987, harvested accuracy of 0.972). This study provides a new approach and technique for monitoring soybean maturity in breeding fields.

相关阅读

Dualex 便携式智能气象-叶绿素-花青素-黄酮醇测量仪

PESSL便携式便携式植物多酚-叶绿素仪原理

Dualex植物多酚-叶绿素仪:腐殖酸通过铁依赖和非铁依赖的协同机制缓解禾本科植物的铁失绿症

Dualex植物多酚-叶绿素仪:硝化抑制剂和/或间作效应下玉米(和小麦灌溉种植系统中的硝酸盐淋失

Dualex植物多酚-叶绿素仪:与保持绿色表达相关的叶片和冠层性状与对水分胁迫具有不同耐性的小麦基因型的产量构成密切相关

Dualex植物多酚-叶绿素仪:基于地面和智能传感器的冬小麦营养营养仪

Dualex植物多酚-叶绿素仪:增加角质层蜡沉积不会改变残余叶片蒸腾作用

Dualex植物多酚-叶绿素仪--氮平衡指数:不同生物刺激剂对水培生菜的效果比较

Dualex植物多酚-叶绿素仪:固体消化物和葡萄园冬季修剪堆肥替代苗圃中微繁殖高丛蓝莓生长基质中的泥炭研究

Dualex植物多酚-叶绿素仪:不同灌溉制度下根际细菌和藻类对金盏草生理生化指标的影响

Dualex植物多酚-叶绿素仪:Sentinel-2A与近端传感器数据协同提取水稻不同生育期生化参数

Dualex植物多酚-叶绿素仪:三种便携式光学传感器在冬小麦氮素状况无损诊断中的应用

Dualex植物多酚-叶绿素仪:基于微碳技术(MCT®)的肥料对土壤和辣椒生长室和田间培养的生物刺激效应

Dualex植物多酚-叶绿素仪:根际细菌在减轻大豆干旱胁迫中的作用

Dualex植物多酚-叶绿素仪:不同辐射组分下水分亏缺对苹果幼苗生长的影响

Dualex植物多酚-叶绿素仪:不同的非生物光谱途径揭示了不同物种的病原体应激信号

Dualex植物多酚-叶绿素仪:用于在田间估算葡萄叶片氮状况的反射指数和手持设备的性能

Dualex植物多酚-叶绿素仪:短期采前补充UV-B可提高罗勒叶片贮藏期间的多酚含量和抗氧化能力

Dualex植物多酚-叶绿素仪:基于图像处理技术的5种红树林叶片形态特征及叶绿素相对含量的估测

Dualex植物多酚-叶绿素仪:利用叶片荧光传感器估算玉米各生育期植株氮浓度

Dualex植物多酚-叶绿素仪:便携式叶绿素仪测量作物叶片叶绿素浓度的评估

Dualex植物多酚-叶绿素仪:从高光谱图像和SIF反演估算辐射传输Vcmax来评估雨养和灌溉植物表型试验中的光合性能

Dualex植物多酚-叶绿素仪:单金属和双金属植物纳米颗粒对Mezquit生理状态的影响

Dualex植物多酚-叶绿素仪:LED照明剂量对tatsoi光合指标的影响

Dualex植物多酚-叶绿素仪:利用Dualex非破坏性测量确定不同甜樱桃园的覆盖下光有效性™

Dualex植物多酚-叶绿素仪:硅在渗透胁迫下介导两种不同番茄基因型差异耐逆反应中的调节作用

Dualex植物多酚-叶绿素仪:用非破坏性荧光传感器监测两个苹果品种对供水条件的生理生化反应

Dualex植物多酚-叶绿素仪:从Sentinel-2光谱带反演冠层叶绿素含量以估算冬小麦集约种植系统的氮素吸收

Dualex植物多酚-叶绿素仪:胚胎大小作为种子捕食耐受性性状:胚胎受损种子对植株再生的贡献

Dualex植物多酚-叶绿素仪:基于叶片荧光和黄酮含量的马铃薯作物氮素状况评估光学指标的比较

Dualex植物多酚-叶绿素仪:四倍体柑橘砧木提高普通克莱门汀(柑橘克莱门汀)低温胁迫耐受能力

Dualex植物多酚-叶绿素仪:具有高镉适应性的入侵草的叶片功能特性

Dualex植物多酚-叶绿素仪:几种内生细菌对鼠尾草幼苗生长和生理性状的影响

Dualex植物多酚-叶绿素仪:利用多角度遥感校正冠层结构效应估算小麦叶片氮和叶绿素含量

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报
欧亚国际