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

作者：刘守阳^*; 金时超; 郭庆华; 朱艳; Fred Baret^*

来源：智慧农业(中英文), 2020, 2(01): 87-98.

• 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

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(FIPARdif)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FIPARdif、GAI和AIA的反演模型。结果表明,对于GAI、AIA和FIPARdif,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,FIPARdif和GAI的估算均获得了满意精度,R2分别为0.95和0.98,而AIA的估算精度(R2=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。

• 单位
  南京农业大学; 中国科学院大学; 中国科学院植物研究所植被与环境变化国家重点实验室