利用无人机图像和随机森林预测番茄的生物量和产量

文章来源: | 2021-01-22

随着人口的增长和气候变化的挑战,盐胁迫已成为全球粮食生产的主要威胁。灌溉农业中的土壤盐分是一个全球性问题,在干旱和半干旱气候中尤甚。培育耐盐作物品种是改善粮食安全和水资源安全的一条潜在途径。为此,需要鉴定耐盐基因型/种质,然后将其耐盐性状导入商业品种。为了确定植物种质的潜在耐盐性,需要能够有效地绘制、监测和预测植物生物物理和生化特性的表型分析和相关方法。生物量和产量是评估农业系统生产和绩效的关键变量。在精准农业中,尤其是在盐胁迫和其他非生物胁迫可能发挥作用的情况下,在农场规模上对单个植物的生物量和产量进行建模和预测是一项重大挑战。


本研究通过600个对照和600个盐处理植株的田间和无人机表型分析,评估了野生番茄(Solanum pimpinellifolium)的多样性。研究的目标:(1)通过无人机RGB图像预测收获时番茄的生物量(地上部鲜重)和产量(果实数量和重量);(2)确定对照和盐处理植株之间的预测精度是否不同;(3)比较收获前1周和2周采集的RGB和多光谱无人机图像的结果。为此,采用随机森林机器学习方法,利用收获前采集的无人机RGB和多光谱图像数据,预测对照和盐处理植株的生物量和产量。


图1210121.jpg
图1 研究区域与实验设计
4块30×30m地块,对照和盐处理各两块,每个地块种植300株番茄。

表1 田间数据(地上部鲜重、果实数量)
表1210121.jpg
表2 从无人机RGB和多光谱图像中提取的变量
表2210121.jpg
表3 基于无人机多光谱图像的植被指数计算
表3210121.jpg

收获前2周采集的无人机多光谱图像对地上部鲜重(87.95%)、果实数(63.88%)和单株产量(66.51%)的解释方差最高。无人机RGB图像产生了与无人机多光谱数据集非常相似的结果,解释的方差随着收获时间的增加而减小。结果表明,当模型不包括对照植株时,预测盐胁迫植株的产量具有较高的精度,而模型中包含盐胁迫植株对预测对照植株的产量没有影响。在4.23%的田间测量值范围内,可以预测收获前8周的平均生物量和产量,可以预测收获前4周的单株产量。这项工作的结果可能有助于为健康番茄和盐胁迫番茄的产量预测提供指导,进而为种植实践、物流规划和销售操作提供信息。

表4 用于从无人机RGB和多光谱数据集预测地上部鲜重、果实数量和产量的变量数
表4210121.jpg

图2210121.jpg
图2 基于无人机RGB图像数据集的随机森林模型的变量重要度

表5 基于无人机多光谱图像数据集的随机森林模型中10个最重要变量的排序
表5210121.jpg

图3210121.jpg

图3 实地测得的和预测的地上部鲜重(A)、果实数量(B)和产量(C)之间的线性关系
图4210121.jpg
图4基于无人机多光谱图像预测的番茄地上部鲜重,果实数量和单株产量
图5210121.jpg
图5 对照植株和盐处理植株模型结果的比较
图6210121.jpg
图6 无人机多光谱和RGB图像的模型结果比较

由于相关研究内容非常专业,难免有些理解不准确或者编辑整理的疏漏,请以英文原文为准。
全文阅读

Johansen K, Morton MJL, Malbeteau Y, et al. Predicting Biomass and Yield in a Tomato Phenotyping Experiment Using UAV Imagery and Random Forest. Front. Artif. Intell. 2020, 3:28. doi: 10.3389/frai.2020.00028.

   中文/En