典型文献
基于无人机遥感表型监测的苎麻优质种质资源筛选方法
文献摘要：
苎麻是重要的纤维作物之一,由于土地资源紧缺及优良品种的推广应用等原因,苎麻遗传变异和遗传多样性减少,对苎麻种质资源多样性调查和保护的需求日趋加大.基于无人机遥感的作物表型测量方法可以对不同基因型作物的生长特性进行频繁、快速、无损、精准的监测,实现作物种质资源调查,筛选特异优质品种.为了实现苎麻种质资源表型的高效综合评价,辅助筛选优势苎麻品种,本研究提出了一种基于无人机遥感影像的苎麻种质资源表型监测及筛选方法.首先,基于无人机遥感影像,利用Pix4dmapper软件生成试验区的数字地表模型(Digital Surface Model,DSM)和正射影像;然后,对苎麻种质资源关键表型参数(株高、株数、叶面积指数、叶片叶绿素含量、含水量)进行估测.基于DSM采用"差分法"提取苎麻株高,基于正射图像采用目标检测算法提取苎麻株数,采用机器学习方法估测苎麻叶面积指数(Leaf Area Index,LAI)、叶片叶绿素含量(SPAD值)、含水量;最后,根据提取的各项遥感表型参数,采用变异性分析和主成分分析方法对苎麻种质资源进行遗传多样性分析.结果表明,(1)基于无人机遥感的苎麻表型估测效果较好,株高的拟合精度为0.93,均方根误差为5.65 cm;SPAD值、含水量、LAI的拟合指标分别达到0.66、0.79、0.74,RMSE分别为2.03、2.21、0.63;(2)苎麻种质资源的遥感表型存在较大差异,LAI、株高和株数的估测值变异系数分别达到20.82％、24.61％和35.48％;(3)利用主成分分析法将苎麻种质资源的遥感表型聚类为因子1(株高、LAI)和因子2(LAI、SPAD值),因子1可用于苎麻种质资源结构特征评价,因子2可以作为高光效苎麻资源的筛选指标.本研究将为作物种质资源表型监测和育种相关分析提供参考.
文献关键词：
苎麻;种质资源多样性;表型;无人机遥感;数字地表模型;机器学习
中图分类号：
作者姓名：
付虹雨;王薇;廖澳;岳云开;许明志;王梓薇;陈建福;佘玮;崔国贤
作者机构：
湖南农业大学农学院,湖南长沙 410128
文献出处：
引用格式：
[1]付虹雨;王薇;廖澳;岳云开;许明志;王梓薇;陈建福;佘玮;崔国贤-.基于无人机遥感表型监测的苎麻优质种质资源筛选方法)[J].智慧农业（中英文）,2022(04):74-83
A类：
Pix4dmapper
B类：
苎麻,种质资源筛选,筛选方法,土地资源,资源紧缺,优良品种,遗传变异,种质资源多样性,多样性调查,作物表型,表型测量,不同基因型,生长特性,行频,作物种质资源,种质资源调查,优质品种,高效综合,选优,无人机遥感影像,试验区,数字地表模型,Digital,Surface,Model,DSM,正射影像,表型参数,株高,株数,叶面积指数,叶片叶绿素含量,估测,差分法,目标检测算法,机器学习方法,Leaf,Area,Index,LAI,SPAD,变异性分析,主成分分析方法,遗传多样性分析,拟合精度,RMSE,资源结构,特征评价,高光效,筛选指标,育种
AB值：
0.270827
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
