近地遥感技术在大田作物株高测量中的研究现状与展望

张建, 谢田晋, 杨万能, 周广生

Research Status and Prospect on Height Estimation of Field Crop Using Near-Field Remote Sensing Technology

Jian ZHANG, Tianjin XIE, Wanneng YANG, Guangsheng ZHOU

表1 基于近场遥感方式获取大田作物株高的应用研究

Table 1 Application of near-field remote sensing method to obtain plant height of field crops

应用 传感器 平台/测量高度 作物 模型 RMSE R2 生物量估算 激光雷达[73] 地面固定平台 小麦 幂函数回归模型 1.76 t/ha 0.82 超声波[74] 地面固定平台 生菜 指数回归模型 —— 0.80 可见光相机[75] 无人机/50 m 小麦 偏最小二乘回归模型 0.96 t/ha 0.74 可见光相机[76] 无人机/25 m 水稻 随机森林 2.10 t/ha 0.90 可见光相机[77] 无人机/44 m 洋葱 作物体积模型 1.53 t/ha 0.95 倒伏监测 激光雷达[78] 无人机/15 m 玉米 通过株高变化定量测定倒伏程度，株高测量精度R2=0.964，RMSE=0.127 m 可见光相机[79] 无人机/20~50 m 玉米 通过设定阈值量化作物倒伏率，与地面实测值相比R2=0.50，RMSE=0.09 可见光相机[80] 无人机/35 m 大麦 通过设定阈值量化作物倒伏率，与地面实测值相比，其最佳精度R2=0.96，RMSE=0.08 产量预测 可见光相机[81] 无人机/50 m 玉米 多元回归模型 0.13 t/ha 0.74 可见光相机[82] 无人机/50 m 甘蔗 作物模型 1.09 t/ha 0.44 可见光相机[83] 无人机/50 m 棉花 多元回归模型 0.16 t/ha 0.94 可见光相机[84] 无人机/30 m 大豆 偏最小二乘回归模型 0.42 t/ha 0.81 高光谱相机[63] 无人机/50 m 小麦 偏最小二乘回归模型 0.65 t/ha 0.77 辅助育种 可见光相机[85] 无人机/30 m 小麦 对株高性状进行全基因组和QTL标记，其预测的基因组值与实际值相关性在0.47~0.53之间 可见光相机[86] 无人机/40~60 m 玉米 通过对7个与株高相关的性状进行全基因组关联研究，共鉴定出68个QTL，其中35%的QTL与已被报道的控制株高性状的QTL重合