近日,土地科学与技术学院曾也鲁教授团队在基于无人机与卫星遥感的玉米株高估算研究方面取得重要进展,相关成果以Maize Plant Height Estimation Using UAV and PlanetScope Imagery: A Comparison of 3-D Point Cloud and Machine Learning Approaches为题,在遥感领域一区Top期刊《IEEE地球科学与遥感汇刊》(IEEE Transactions on Geoscience and Remote Sensing)发表。
玉米株高是反映作物生长状况的重要农艺性状,对作物育种和精准农业管理具有重要意义。然而,传统人工测量效率较低,难以满足大范围、高通量作物表型监测需求。针对这一问题,研究团队结合无人机与PlanetScope卫星遥感数据,系统比较了三维点云直接测量与光谱、纹理特征机器学习反演方法在玉米株高估算中的表现。

基于无人机与PlanetScope卫星影像的玉米株高估算技术流程图
研究团队利用无人机影像重建高密度三维点云,提出结合超绿指数(ExG)与高程频率分析的地面点提取方法,实现玉米株高的高精度估算。田间实测验证表明,该方法决定系数(R²)达到0.98,均方根误差(RMSE)仅为4.29cm,为作物株高的高通量、非破坏性测量提供了有效技术手段。

玉米三维点云地面点提取效果
进一步融合植被指数与纹理特征,对比四种机器学习算法的株高反演表现。结果表明,融合光谱与纹理特征能够有效提升模型精度。基于无人机影像,XGBoost和随机森林模型的最高R²均达到0.74;基于3m分辨率PlanetScope卫星影像,XGBoost模型最高R²达到0.59,表明无人机影像具有更高的估算精度,而卫星影像也展现出一定应用潜力。该研究为不同遥感数据源及株高估算方法的选择提供了参考,有助于推动作物高通量表型监测与精准农业研究。

不同数据源下玉米株高反演模型的预测误差及显著性比较
土地科学与技术学院2024级硕士生李可、2023级博士生李青为论文共同第一作者,曾也鲁教授为通讯作者,博士生魏亚楠和已毕业硕士余委键等为合作作者。该研究得到国家自然科学基金、中国农业大学2115人才发展计划及中央高校基本科研业务费等资助。
供稿:土地科学与技术学院
供图:土地科学与技术学院
编辑:李杨
责编:孟祥慈