摘要:

田间作物表型信息是揭示作物生长发育规律及其与环境关系的重要依据，传统的田间试验取样和车载高通量平台测定作物性状参数的方法耗时耗力，且空间覆盖不全，限制了作物科学研究的快速发展，而以无人机为代表的近地遥感高通量表型平台凭借机动灵活、成本低、空间覆盖广的优势成为获取田间作物表型信息的重要手段。该文根据国内外无人机遥感平台解析作物表型信息的最新研究成果，针对不同传感器类型分析了无人机遥感解析作物表型信息的应用及其不足，总结了遥感定量反演作物表型信息的方法体系，展望了无人机载遥感技术在作物表型信息解析方面的应用前景。该项研究成果对推广无人机遥感平台获取田间作物表型信息、提高复杂农田环境作物长势信息的解析和辨识能力具有重要意义。

摘要:

在进行水稻的数字化考种、表型与基因关联分析和数字农业仿真模拟时,需要大量的谷粒表型信息作数据支撑.本文提出了一种基于三维点云的谷粒高通量表型信息自动提取方法,能同时自动获取谷粒的三维模型和40个表型参数,实现谷粒形状的定量和定性描述.首先,通过对谷粒点云数据进行聚类分析,完成谷粒点云的分类;其次,实现谷粒的三维重建,对谷粒离散点云进行柱面构网,获取谷粒点云的三维模型数据;最后,根据不同表型参数的特点,实现了谷粒的三维表面积和体积、长、宽、高、3个主成分剖面的周长和面积等11个基本参数与长宽比、长高比和体积比等11个衍生参数以及18个形状因子的自动提取.利用Handyscan 700型手持式激光扫描仪获取的谷粒高精度点云数据进行实验,成功实现了谷粒表型参数的自动提取,测量结果可达毫米级.基于主成分方法分析了各表型参数的权重.以游标卡尺测量值和Geomagic Studio测量值作为真值,长、宽、高的平均相对误差为1.14％、1.15％和1.62％,体积和表面积的相对误差为零,3个主成分剖面面积的平均相对误差为1.82％、2.12％和2.43％.本文方法与人工测量方法及软件测量方法相比,精度相当,且具有批量、自动、人工干预少(仅数据采集阶段需要人工操作)以及效率高的特点.