基于无人机多光谱的棉花育种材料FPAR 估测

doi:10.15933/j.cnki.1004-3268.2021.11.019

摘要/Abstract

摘要： 快速、无损、高通量地获取棉花育种材料的光合有效辐射信息，对棉花高光效品种选育及栽培管理具有重要意义。于2020年8—9月在河南现代农业研究开发基地，采用大疆Matrice 600 Pro无人机搭载Micasense RedEdge-M多光谱成像仪获取棉花育种材料的多光谱影像，提取光合有效辐射吸收比率（Fraction of photosynthetically active radiation，FPAR）测量点蓝、绿、红、红边、近红外等5个通道反射率值构建多光谱变量；然后分析多光谱变量与FPAR的定量关系，建立FPAR的一元与多元回归模型；最后，基于实测FPAR对估测模型进行精度验证。结果表明：棉花育种材料的多光谱遥感影像可以快速、直观表征植株冠层叶片颜色、长势等表型性状信息；基于多光谱影像构建的变换土壤调节植被指数（Transformed soil adjusted vegetation index，TSAVI）、土壤调节植被指数（Soil adjusted vegetation index，SAVI）、垂直植被指数（Perpendicular vegetation index，PVI）、比值植被指数（Ratio vegetation index，RVI）、差值植被指数（Difference vegetation index，DVI）、增强型的植被指数（Enhanced vegetation index，EVI）、归一化差值植被指数（Normalized difference vegetation index，NDVI）、大气阻抗植被指数（Atmospherically resistant vegetation index，ARVI）等8 种多光谱变量均与棉花FPAR 具有较好的相关性，|r|为0.542~0.932；基于TSAVI构建的FPAR一元线性回归模型，对棉花FPAR具有较好的估测效果，估测模型的R2为0.867，SE为0.115，验证模型的R²为0.932，RPD为2.468，RMSE为0.119。

关键词: 无人机, 多光谱, 农作物, 棉花, 育种材料, 光合有效辐射吸收比率

Abstract: Rapid，nondestructive and high‑throughput acquisition of photosynthetically active radiation（PAR）information of cotton breeding materials is of great significance to the breeding and cultivation management of cotton varieties with high light efficiency.In this study，a multispectral image acquisition system was built based on the unmanned aerial vehicle（UAV） carring the Micasense RedEdge‑M multispectral imager to obtain the multispectral images from the canopy of cotton breeding materials and extract the reflectivity characteristic parameters.Firstly，based on the multispectral image of cotton breeding material，five channel reflectivity values were extracted from each FPAR（fraction of photosynthetically active radiation）measurement point，including blue，green，red，red edge and near infrared，to construct multispectral variables.Secondly，the quantitative relationship between different multispectral variables and FPAR was analyzed，and the unitary linear regression models and multiple linear regression models of FPAR were established. Finally，the accuracy of the estimation model was verified based on the measured FPAR.The results showed that the multispectral remote sensing images of cotton breeding materials could quickly and intuitively characterize the phenotypic traits such as leaf color and growth status of plant canopy.There was a good correlation between the multispectral variables of transformed soil adjusted vegetation index（TSAVI），soil adjusted vegetation index（SAVI），perpendicular vegetation index（PVI），ratio vegetation index（RVI），difference vegetation index（DVI），enhanced vegetation index（EVI），normalized difference vegetation index（NDVI），atmospherically resistant vegetation index（ARVI）and the FPAR，and the range of |r| was 0.542—0.932. There was a good estimation effect of the unitary linear regression models of the FPAR based on TSAVI，and the R² and the SE of the estimated model were 0.867 and 0.115，respectively，and the R²，RPD and RMSE of the verified model were 0.932，2.468 and 0.119，respectively.

Key words: Unmanned aerial vehicle（UAV）, Multispectral image, Crop, Cotton, Breeding material, Fraction of photosynthetically active radiation（FPAR）

中图分类号:

唐中杰, 王来刚, 郭燕, 张彦, 张红利, 杨秀忠, 贺佳. 基于无人机多光谱的棉花育种材料FPAR 估测[J]. 河南农业科学, 2021, 50(11): 162-171.

TANG Zhongjie, WANG Laigang, GUO Yan, ZHANG Yan, ZHANG Hongli, YANG Xiuzhong, HE Jia. FPAR Estimation of Cotton Breeding Material Based on Unmanned Aerial Vehicle（UAV）Multispectral Images[J]. Journal of Henan Agricultural Sciences, 2021, 50(11): 162-171.

图/表 7

参考文献

［1］GOWER S T，KUCHARIK C J，NORMAN J M.Direct and indirect estimation of leaf area index，fAPAR，and net primary production of terrestrial ecosystems［J］.Remote Sensing of Environment，1999，70（1）：29‑51.
［2］XIAO Z Q，LIANG S L，WANG J D，et al.A framework for consistent estimation of leaf area index，fraction of absorbed photosynthetically active radiation，and surface albedo from MODIS time‑series data［J］.IEEETransactions on Geoscience and Remote Sensing，2015，53（6）：3178‑3197.
［3］XIAO Z Q，LIANG S L，SUN R，et al.Estimating the fraction of absorbed photosynthetically active radiation from the MODIS data‑based GLASS leaf area index produc［t J］.Remote Sensing of Environment，2015，171：105‑117.
［4］LIU R Y，REN H Z，LIU S H，et al.Generalized FPAR estimation methods from various satellite sensors and validation［J］.Agricultural and Forest Meteorology，2018，260/261：55‑72.
［5］唐建民，廖钦洪，刘奕清，等.基于CASI高光谱数据的作物叶面积指数估算［J］.光谱学与光谱分析，2015，35（5）：1351‑1356.
TANG J M，LIAO Q H，LIU Y Q，et al.Estimating leaf area index of crops based on hyperspectral compact airborne spectrographic imager（CASI） data ［J］.Spectroscopy and Spectral Analysis，2015，35（5）：1351‑1356.
［6］杨福芹，冯海宽，李振海，等.基于赤池信息量准则的冬小麦叶面积指数高光谱估测［J］.农业工程学报，2016，32（3）：163‑168.
YANG F Q，FENG H K，LI Z H，et al.Hyperspectral estimation of leaf area index for winter wheat based on Akaike’s information criterion［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2016，32（3）：163‑168.
［7］COLOMINA I，MOLINA P. Unmanned aerial systems for photogrammetry and remote sensing：A review［J］.Isprs Journal of Photogrammetry & Remote Sensing，2014，92（2）：79‑97.
［8］YANG G，LIU J，ZHAO C，et al.Unmanned aerial vehicle remote sensing for field‑based crop phenotyping：Current status and perspectives［J］.Frontiers in Plant Science，2017，8：1111.
［9］ZHANG C H，JOHN M K.The application of small unmanned aerial systems for precision agriculture：A review［J］.Precision Agriculture，2012，13（6）：693‑712.
［10］SHI Y，JI S P，SHAO X W，et al.Framework of SAGI agriculture remote sensing and its perspectives in supporting national food security［J］.Journal of Integrative Agriculture，2014，13（7）：1443‑1450.
［11］杨贵军，李长春，于海洋，等.农用无人机多传感器遥感辅助小麦育种信息获取［J］.农业工程学报，2015，31（21）：184‑190.
YANG G J，LI C C，YU H Y，et al.UAV based multiload remote sensing technologies for wheat breeding inf ormation acquirement［J］.Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2015，31（21）：184‑190.
［12］高林，杨贵军，王宝山，等.基于无人机遥感影像的大豆叶面积指数反演研究［J］.中国生态农业学报，2015，23（7）：868‑876.
GAO L，YANG G J，WANG B S，et al.Soybean leaf area index retrieval with UAV（unmanned aerial vehicle）remote sensing imagery［J］.Chinese Journal of Eco‑Agriculture，2015，23（7）：868‑876.
［13］王利民，刘佳，杨玲波.基于无人机影像的农情遥感监测应用［J］.农业工程学报，2013，29（18）：136‑145.
WANG L M，LIU J，YANG L B.Applications of UAV images on agricultural remote sensing monitoring［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2013，29（18）：136‑145.
［14］苏伟，蒋坤萍，闫安，等.基于无人机遥感影像的育种玉米垄数统计监测［J］.农业工程学报，2018，34（10）：92‑98.
SU W，JIANG K P，YAN A，et al.Monitoring of planted lines for breeding corn using UAV remote sensing image［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2018，34（10）：92‑98.
［15］牛庆林，冯海宽，杨贵军，等.基于无人机数码影像的玉米育种材料株高和LAI监测［J］.农业工程学报，2018，34（5）：73‑82.
NIU Q L，FENG H K，YANF G J，et al.Monitoring plant height and leaf area index of maize breeding material based on UAV digital images［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2018，34（5）：73‑82.
［16］毛智慧，邓磊，赵晓明，等.利用无人机遥感提取育种小区玉米倒伏信息［J］.中国农学通报，2019，35（3）：62‑68.
MAO Z H，DENG L，ZHAO X M，et al.Extraction of maize lodging in breeding plot based on UAV remote sensing［J］.Chinese Agricultural Science Bulletin，2019，35（3）：62‑68.
［17］李长春，牛庆林，杨贵军，等.基于无人机数码影像的大豆育种材料叶面积指数估测［J］.农业机械学报，2017，48（8）：147‑158.
LI C C，NIU Q L，YANG G J，et al.Estimation of leaf area index of soybean breeding materials based on UAV digital images［J］.Transactions of the Chinese Society for Agricultural machinery，2017，48（8）：147‑158.
［18］赵晓庆，杨贵军，刘建刚，等.基于无人机载高光谱空间尺度优化的大豆育种产量估算［J］.农业工程学报，2017，33（1）：110‑116.
ZHAO X Q，YANG G J，LIU J G，et al.Estimation of soybean breeding yield based on optimization of spatial scale of UAV hyperspectral image［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2017，33（1）：110‑116.
［19］杨贵军，李长春，于海洋，等.农用无人机多传感器遥感辅助小麦育种信息获取［J］.农业工程学报，2015，31（21）：184‑190.
YANG G J，LI C C，YU H Y，et al.UAV based multi‑load remote sensing technologies for wheat breeding information acquirement［J］.Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE），2015，31（21）：184‑190.
［20］GALLO K P，DAUGHTRY C S T.Techniques for measuring intercepted and absorbed photosynthetically active radiation in corn canopies ［J］.Agronomy Journal，1986，78（4）：752‑756.
［21］杨艳东，贾方方，刘新源，等.烤烟叶片氯密度高光谱预测模型的建立［J］.河南农业科学，2019，48（5）：155‑160.
YANG Y D，JIA F F，LIU X Y，et al.Construction of hyperspectral prediction model for chlorine density of flue‑cured tobacco leaves ［J］.Journal of Henan Agricultural Sciences，2019，48（5）：155‑160.
［22］RICHARDSON A J，WIEGAND C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering & Remote Sensing，1977，43：1541‑1552.
［23］PEARSON R L，MILLER D L.Remote mapping of standing crop biomass for estimation of the productivity of the short‑grass prairie［J］.Remote Sensing of Environment，1972，2：1357‑1381.
［24］HUETE A R，JUSTICE C，LIU H.Development of vegetation and soil indices for MODIS‑EOS［J］.Remote Sensing of Environment，1994，49（3）：224‑234.
［25］BARET F，GUYOT G.Potentials and limits of vegetation indices for LAI and apar assessment［J］.Remote Sensing of Environment，1991，35：161‑173.
［26］HUETE A R.A soil‑adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，25（3）：295‑309.
［27］GITELSON A A，KAUFMAN Y J，STARK R，et al.Novel algorithms for remote estimation of vegetation fraction［J］.Remote Sensing of Environment，2002，80（1）：76‑87.
［28］张智韬，王海峰，韩文霆，等.基于无人机多光谱遥感的土壤含水率反演研究［J］.农业机械学报，2018，49（2）：173‑181.
ZHANG Z T，WANG H F，HAN W T，et al.Inversion of soil moisture content based on multispectral remote sensing of UAVs［J］.Transactions of the Chinese Society for Agricultural machinery，2018，49（2）：173‑181.
［29］易兴松，兰安军，文锡梅，等. 基于ASD和GaiaSky‑mini的农田土壤重金属污染监测［J］.生态学杂志，2018，37（6）：1781‑1788．
YI X S，LAN A J，WEN X M，et al.Monitoring of heavy metals in farmland soils based on ASD and GaiaSky‑mini［J］.Chinese Journal of Ecology，2018，37（6）：1781‑1788．
［30］BENDIG J，BOLTEN A，BENNERTZ S，et al.Estimating biomass of barley using crop surface models（CSMs）derived from UAV‑Based RGB imaging［J］.Remote Sensing，2014，6（11）：10395‑10412.
［31］SCOTFORD I M，MILLER P C H.Combination of spectral reflectance and ultrasonic sensing to monitor the growth of winter whea［t J］.Biosystems Engineering，2004，87（1）：27‑38.
［32］梁辉，刘汉湖，何敬.基于无人机高光谱的水稻光合性能监测系统应用［J］.农机化研究，2020，42（7）：214‑218.
LIANG H，LIU H H，HE J. Rice photosynthetic performance monitoring system based on UAV hyperspectral［ J］.Journal of Agricultural Mechanization Research，2020，42（7）：214‑218.
［33］陈硕博. 无人机多光谱遥感反演棉花光合参数与水分的模型研究［D］.杨凌：西北农林科技大学，2019.
CHEN S B.Modeling of cotton photosynthetic parameters and water content retrieval by multi‑spectral remote sensing of UAV［D］.Yangling：Northwest A＆F University，2019.
［34］陈俊英，陈硕博，张智韬，等.无人机多光谱遥感反演花蕾期棉花光合参数研究［J］.农业机械学报，2018，49（10）：230‑239.
CHEN J Y，CHEN S B，ZHANG Z T，et al.Investigation on photosynthetic parameters of cotton during budding period by multi‑spectral remote sensing of unmanned aerial vehicle［J］.Transactions of the Chinese Society for Agricultural Machinery，2018，49（10）：230‑239.
［35］TAN C W，SAMANTA A，JIN X L，et al.Using hyperspectral vegetation indices to estimate the fraction of photosynthetically active radiation absorbed by corn canopies［J］.International Journal of Remote Sensing，2013，34（24）：8789‑8802.
［36］田定方，范闻捷，任华忠.植被光合有效辐射吸收比率遥感研究进展［J］.遥感学报，2020，24（11）：1307‑1324.
TIAN D F，FAN W J，REN H Z.Progress of fraction of absorbed photosynthetically active radiation retrieval from remote sensing data［J］.Journal of Remote Sensing，2020，24（11）：1307‑1324.
［37］MAJASALMI T，RAUTIAINEN M，STENBERG P.Modeled and measured FPAR in a boreal forest：Validation and application of a new model［J］.Agricultural and Forest Meteorology，2016，189/190：118‑124.

[1]	唐中杰, 谢德意, 于跃波, 房卫平, 路风银. 内地棉区优势棉花资源评价及其在新疆棉花育种中的应用[J]. 河南农业科学, 2024, 53(2): 37-45.
[2]	李东亚, 白涛, 香慧敏, 戴硕, 王震鲁, 陈珍. 基于RoBERTa 多特征融合的棉花病虫害命名实体识别[J]. 河南农业科学, 2024, 53(2): 152-161.
[3]	李敏, 郭雷风, 王瑞利. 无人机遥感在马铃薯田间表型研究中的应用[J]. 河南农业科学, 2023, 52(9): 24-32.
[4]	许豆豆, 贺云新, 李飞, 刘爱玉, 周仲华. 间套作模式在棉田上的研究进展[J]. 河南农业科学, 2023, 52(6): 1-11.
[5]	王焕鑫, 沈志豪, 刘泉, 刘金江. 基于改进MobileNetV2 模型的农作物叶片病害识别研究[J]. 河南农业科学, 2023, 52(4): 143-151.
[6]	马纬, 武志明, 余科松. 基于无人机多光谱的不同施硒水平荞麦冠层叶绿素估测模型研究[J]. 河南农业科学, 2023, 52(3): 161-172.
[7]	郭燕, 井宇航, 贺佳, 张会芳, 贾德伟, 王来刚. 基于无人机影像多源信息的冬小麦生物量与产量估算[J]. 河南农业科学, 2023, 52(12): 149-161.
[8]	臧贺藏, 王从胜, 赵巧丽, 赵晴, 张杰, 李国强, 郑国清. 基于深度学习的小麦倒伏自动分类方法研究[J]. 河南农业科学, 2023, 52(11): 167-173.
[9]	李侃, 谢章书, 杨丹, 张宁, 许豆豆, 周仲华, 刘爱玉, 屠小菊. 不同拌种剂处理对未脱绒棉籽萌发及幼苗生长发育的影响[J]. 河南农业科学, 2023, 52(10): 40-51.
[10]	李文姗, 张俊尧, 王家勇, 李亚兵, 徐文修, 徐清华, 娄善伟, 唐江华. 不同滴施量艾氟迪对棉花光合特性及成铃规律的影响[J]. 河南农业科学, 2023, 52(1): 53-60.
[11]	田阳青, 马春梅, 赵强, 吴雪琴, 李江余. 苯肽胺酸对棉花干物质积累、养分吸收和产量的影响[J]. 河南农业科学, 2022, 51(6): 67-75.
[12]	阮文晓, 傅敏杰, 朱月清, 王云霞, 庄道山, 郑文, 张萼, 朱志玉, 朱祝军, 吴建国. UV-B 多光谱补光对多肉植物观赏特性与理化性质的影响[J]. 河南农业科学, 2022, 51(6): 126-133.
[13]	井宇航, 郭燕, 张会芳, 戎亚思, 张少华, 冯伟, 王来刚, 贺佳, 刘海礁, 郑国清. 无人机飞行高度对冬小麦植株氮积累量预测模型的影响[J]. 河南农业科学, 2022, 51(2): 147-158.
[14]	莫佳才, 彭漪, 刘小娟, 王靖. 基于无人机遥感影像的多品种水稻抽穗时间估算[J]. 河南农业科学, 2022, 51(1): 154-161.
[15]	占东霞, 阿力木江·克来木, 赵强, 依尔登毕力克. 揭膜时间对北疆棉花生长发育和产量形成的影响[J]. 河南农业科学, 2021, 50(8): 36-43.