基于数字化植物表型平台(D3P)的田间小麦冠层光截获算法开发

查看全文 作　　者：刘守阳 [1,2,3 ]金时超 [5,6 ][5,6]郭庆华索引[4]朱艳 Fred Baret [1,2,3 ]

机构地区：[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,法国阿维尼翁210095;[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

出　　处：《智慧农业(中英文)》索引2020年第2卷第1期,共12页

基　　金：南京农业大学高层次引进人才经费(440-804005)。 摘　　要：冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层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种冠层结构不同的小麦品种在5个生育期的三维冠层场景,记录了从原始冠层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(FIPAR_(dif))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FIPAR_(dif)、GAI和AIA的反演模型。结果表明,对于GAI、AIA和FIPAR_(dif),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,FIPAR_(dif)和GAI的估算均获得了满意精度,R^2分别为0.95和0.98,而AIA的估算精度(R^2=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数据在估算田间冠层光截获和冠层结构方面的较高潜力。 关键词：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

相关文献

参考文献（50）
引证文献（7）
耦合文献（9）

参考文献(50)

引证文献(7)

耦合文献(9)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于数字化植物表型平台(D3P)的田间小麦冠层光截获算法开发

参考文献(50)

引证文献(7)

耦合文献(9)

用户提示