寫在前面的
?、?水稻高產(chǎn)栽培是解決世界范圍內(nèi)日益增長的糧食需求的有效途徑,而對高產(chǎn)水稻進行正確分類是育種的關(guān)鍵。
?、?然而,在育種項目中人工測量耗時、成本高、產(chǎn)量低,這限制了在大規(guī)?,F(xiàn)場表型的應(yīng)用。
?、?因此,研究者開發(fā)了一種低成本、高通量表型分析和無損檢測的方法,將無人機高光譜測量和深度學(xué)習(xí)相結(jié)合,以提高水稻育種效率。
研究背景
水稻是世界上主要的栽培作物之一,是許多國家的主要糧食來源。地球水稻的種植面積僅占耕地總面積的7%,卻養(yǎng)育著地球21%的人口。近年來,糧食生產(chǎn)增長速度明顯放緩,而世界一些地區(qū)的糧食需求卻在增加。
在中國,預(yù)計到2030年,對大米生產(chǎn)的需求將增加約20%,巨大的需求遇到了巨大的挑戰(zhàn),勞動力人口減少,耕地質(zhì)量下降,水資源短缺,氣候變化等。因此,選育高產(chǎn)水稻品種,提高單位產(chǎn)量,是解決糧食需求缺口的有效途徑。
在水稻育種過程中,準確地預(yù)測產(chǎn)量是高產(chǎn)品種篩選的關(guān)鍵,而迄今為止,該工作很大程度上依賴于人為經(jīng)驗評估,存在主觀隨意性和不能規(guī)?;认拗?。因此,高通量表型分型系統(tǒng)正在迅速發(fā)展,在許多育種項目中,遙感工具如RGB相機和多光譜、高光譜、熒光和熱傳感器都被用于數(shù)據(jù)采集。隨著無人機技術(shù)和光譜成像技術(shù)的進步,基于無人機的高光譜相機在農(nóng)業(yè)生產(chǎn)中的應(yīng)用越來越廣泛。
基于無人機的高光譜圖像數(shù)據(jù)采集
近日,Plant Phenomics在線發(fā)表了寧夏農(nóng)林科學(xué)院農(nóng)作物研究所、福建農(nóng)林大學(xué)林學(xué)中`心、中科院地理信息研究所合作的題為Classification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature的研究論文。
研究者首先按照畝產(chǎn)將13個寧夏北方區(qū)試中早粳中熟組水稻劃分為高產(chǎn)、中產(chǎn)和低產(chǎn)三個類別。而后利用DJI M600 Pro無人機,配備GaiaSky-Vis&Nir高光譜相機采集高光譜圖像,并結(jié)合水稻后期倒伏特征,借助機器學(xué)習(xí)算法(XGBoost)構(gòu)建水稻產(chǎn)量類別檢測模型。該模型對在試驗區(qū)的13個水稻品種產(chǎn)量進行預(yù)測,結(jié)合實際的產(chǎn)量進行比較發(fā)現(xiàn)該模型對高產(chǎn)品種的識別具有很高的準確度。
▲試驗區(qū)分布圖
該高光譜相機的分辨率為960×1057像素,在飛行高度為90m時的空間分辨率為4.5cm,其波長范圍從400到1000nm,光譜分辨率為3.5nm,每張圖像的曝光時間為7s。水稻光譜曲線與周圍土壤不同。在數(shù)據(jù)采集前,研究者們對農(nóng)田進行了檢查,確保稻田中只有水稻,沒有其他雜草,避免干擾高光譜數(shù)據(jù)。
高光譜圖像預(yù)處理工作流程包括數(shù)據(jù)校準、噪聲,背景去除和ROI的選擇。研究者還進行了隨機非重復(fù)采樣、植被指數(shù)計算和數(shù)據(jù)降維。將高光譜數(shù)據(jù)、植被指數(shù)和倒伏特征組合成一個數(shù)據(jù)庫,然后將數(shù)據(jù)分為訓(xùn)練庫和測試庫。
▲高光譜處理流程及各種分析策略的模型評估
由于倒伏標記對更好地估計產(chǎn)量有重要意義,本研究同時設(shè)計了基于深度學(xué)習(xí)的倒伏檢測模型來對水稻的倒伏特征進行量化,并獲得了較高的倒伏預(yù)測準確度。結(jié)果表明,利用深度學(xué)習(xí)技術(shù)實現(xiàn)水稻倒伏的自動識別是可行的。
▲利用微調(diào)技術(shù)自動識別水稻倒
Gaia-Vis&Nir作為針對植被、農(nóng)作物(小麥、玉米)等理化、生理指標長期監(jiān)測系統(tǒng),采用了高靈敏度、高光譜分辨率、寬光譜范圍的探測器。在ARM 系統(tǒng)下對探測器、溫度傳感器、制冷系統(tǒng)、采集系統(tǒng)、轉(zhuǎn)鏡結(jié)構(gòu)、電子Shutter、輔助拍攝區(qū)域視頻監(jiān)控等功能的控制。
反射光譜測量的是植被生化組分等對入射光譜的吸收信息,能夠反演植物群體的生化組分濃度信息。通過獲取植被冠層在350nm- 1700nm范圍內(nèi)的反射光譜信息,可反映植被冠層的生長狀態(tài)及生化組分信息。
例如,利用作物水分敏感波段960nm/1450nm處的反射率可判斷作物葉片、冠層的含水量關(guān)系。綜合考慮葉片內(nèi)部結(jié)構(gòu)、葉片水分含量以及干物質(zhì)等的影響,利用1600nm與820nm的反射率比值建立與等效水厚度EWT(Equivalent Water Thickness)的相關(guān)性。
▲Gaia-Vis&Nir植被冠層可見&近紅外反射光譜測試、太陽光誘導(dǎo)葉綠素?zé)晒鉁y試系