多光谱无人机使用描述错误的是（利用无人机多光谱数据评价大豆育种作物田间发芽率）
利用多光谱航空摄影数据(MSD)对大豆作物田间发芽率进行评价，有助于大豆植株的研究以及加快新品种的选育进程。本研究的目的是根据无人驾驶飞行器(UAV)的3年(2020、2021和2022)多光谱调查数据，确定大豆植株的田间发芽率。采用DJI Matrice 200系列V2型无人机和MicaSense型多光谱相机进行多光谱航空拍摄。地面数据与多光谱数据的相关性为0.70~0.75。根据Stages规则，计算大豆育种作物的田间发芽率、植被指数(VIS)、归一化差值植被指数(NDVI)、归一化差异红边指数(NDRE)和叶绿素指数绿(ClGreen)。用平均绝对百分比误差(MAPE)估计所获得范围的精度。利用多光谱航空摄影数据，开发大豆种子发芽率自动评价软件，对大豆育种作物的发芽水平进行评价。该软件考虑三个植被指数的数据和计算范围，创建一个概述层，以可视化其发芽水平。使用植被指数NDVI，NDRE，和ClGreen的大豆育种作物田间发芽的评价可以是一个独立的方法。该方法的应用，可以评价大量试验小区的田间发芽情况，以及基因型和农业技术各要素对该指标的影响。
影响种子萌发率和田间发芽率的因素有很多，如土壤温度、土壤颗粒组成、种子埋入土壤的深度和均匀性、水分的含量、病害的出现等。在这项研究中，我们使用无人机四轴飞行器，即DJI Matrice 200系列v2，并带有后处理运动学（PPK）航空摄影。在此基础上，编制大豆种子发芽率自动评价软件，该程序用C程序设计语言编写，输入数据包括地块的轮廓（档案类型.geojson）、每个地块的植被指数平均值（档案类型.xlsx）、大豆发芽范围（档案类型.docx）和植被指数图（档案类型.geotiff）；输出数据包含大豆发芽水平的可视化显示（发芽图）和发芽水平的定量计算。在PIX4Dmapper软件(4.8.4版)中进行摄影测量数据处理。利用绿色、红色、红色边缘和近红外反射率的波段计算植被指数，每个样本地块的植被指数的平均值是在PIX4Dfield软件(2.3.1版)中确定的。
图1.研究区域的位置
图2. 大豆种植地块：(a) 2020年6月11日；(b) 2021年6月13日；(c) 2022年6月14日
图3. 2022年在奥廖尔地区使用大疆矩阵200系列v2四轴飞行器监测大豆作物
图4. 程序的初始界面
图5. 整体的方法论工作流程
表1. 飞行参数
表2. 数据参数
图6. 2020年6月11日(a - c)、2021年6月13日(d - f)和2022年6月14日(g - i)的NDVI (a、d、g)、NDRE (b、e、h)和ClGreen (c、f、i)的数字地图
图7. 发芽率与植被指数平均值之比(a) NDVI;(b) NDRE;(c) ClGreen
表3. 大豆植物的发芽范围
图8. 大豆作物试验田田间发芽率的频次分布
表4. 发芽率与植被指数比值
表5. 所得数据的准确性
表6. 大豆小区发芽评价
图9. 2020年、2021年和2022年大豆发芽图
来 源Kurbanov, R.; Panarina, V.; Polukhin, A.; Lobachevsky, Y.; Zakharova, N.; Litvinov, M.; Rebouh, N.Y.; Kucher, D.E.; Gureeva, E.; Golovina, E.; Yatchuk, P.; Rasulova, V.; Ali, A.M. 2023. Evaluation of Field Germination of Soybean Breeding Crops Using Multispectral Data from UAV. Agronomy 13, 1348.
编辑
陈秀娇
扩展阅读
植物表型资讯2018年1-12月目录汇总植物表型资讯2019年1-12月目录汇总植物表型资讯2020年1-12月目录汇总植物表型资讯2021年1-12月目录汇总植物表型资讯2022年1-12月目录汇总植物表型资讯2023年1-12月目录汇总植物表型资讯分类专辑直通车最畅销的田间表型平台长什么样？
视频加载失败，请刷新页面再试
刷新 视频详情 戳这里，阅读原文
