学科分类
/ 1
1 个结果
  • 作者: 刘守阳 1 2 3* 金时超 5 6 郭庆华 5 6 朱艳 4 Fred Baret1 2 3*
  • 学科: 农业科学 > 农业基础科学
  • 创建时间:2020-06-02
  • 出处:《智慧农业(中英文)》 2020年第1期
  • 机构:1.南京农业大学作物表型组学交叉研究中心,江苏南京 210095; 2.法国农业和环境科学研究院 CAPTE实验室,阿维尼翁 210095,法国; 3.南京农业大学江苏省现代作物生产协同创新中心,江苏南京 210095; 4.南京农业大学国家信息农业工程技术中心 /教育部智慧农业工程研究中心,江苏南京 210095; 5.中国科学院植物研究所植被与环境变化国家重点实验室,北京 100093; 6.中国科学院大学,北京 100049
  • 简介:摘要 : 冠光截获能力是反映作物品种差异的重要功能性状,高通量表型冠光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台( D3P)模拟生成了 100种冠结构不同的小麦品种在 5个生育期的三维冠场景,记录了从原始冠结构中提取的绿色叶面积指数( GAI)、平均倾角( AIA)和散射光截获率( FIPARdif)信息作为真实值 ,进一步利用上述三维小麦场景开展了虚拟的激光雷达( LiDAR)模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征( H)和绿色分数特征( GF)。最后,利用人工神经网络( ANN)算法分别构建了从不同 LiDAR点云特征( H、 GF和 H+GF)输入到 FIPARdif、 GAI和 AIA的反演模型。结果表明,对于 GAI、 AIA和 FIPARdif,预测精度从高到低对应的点云特征输入为 GF+H > H > GF。由此可见, H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H特征,在中等测量噪音( 10%)情况下, FIPARdif和 GAI的估算均获得了满意精度, R2分别为 0.95和 0.98,而 AIA的估算精度( R2=0.20)还有待进一步提升。本研究基于 D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了 D3P协助表型算法开发的能力,展示了高通量 LiDAR数据在估算田间冠光截获和冠结构方面的较高潜力。

  • 标签: 冠层光截获 高通量表型 LiDAR 数字化植物表型平台( D3P) 小麦冠层