廣東
近日，中國農業大學曾也魯教授課題組在作物冠層三維結構高通量表型分析方面取得重要進展，相關成果論文A UAV-based framework for field-scale extraction of leaf inclination angles in soybean canopies在遙感領域1區Top期刊《環境遙感》(Remote Sensing of Environment)上發表。土地科學與技術學院博士研究生李青為論文第一作者，曾也魯教授為論文的通訊作者，郝大磊研究員為合作作者。
該研究針對大面積田間尺度冠層結構測量中存在的“表型瓶頸”，探索了基于無人機（UAV）攝影測量的系統性框架，在田間尺度上實現了大豆群體平均葉傾角（MLA）的高效、精準提取，填補了以往大尺度單葉三維幾何形態測量的不足。
大豆平均葉傾角（MLA）高通量提取流程示意圖
研究團隊通過超分辨率重建網絡（SRGAN）提升無人機影像分辨率，利用改進的U-Net模型精確提取單葉輪廓，并結合隨機抽樣一致性（RANSAC）算法進行三維致密點云的葉片平面擬合。結果顯示，基于三維點云的方法（LIA_PC）具有極高的葉傾角估算精度（R2=0.94，RMSE=1.74°），并成功繪制了涵蓋6000余個大豆育種小區的高分辨率MLA和天頂投影函數（G(0)）空間分布圖。此外，研究還證實了葉片空間取向是驅動單葉尺度表觀反射率的關鍵物理因素。該研究為剔除遙感光譜信號中的幾何結構干擾提供了全新技術路徑，更為現代高密度種植模式下的作物高光效育種設計奠定了重要基礎。
LIA_PC方法與LIA_DSM方法的精度驗證與對比
實驗區大豆田間平均葉傾角（MLA）與天頂葉片投影函數（G(0)）的空間分布制圖
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
