Journal of Agricultural Engineering·9月15日 · 周二论文农业遥感与作物表型阅读 0
Research on an automated mapping method for rice aboveground biomass based on low-altitude remote sensing
Honggang Xu · Xuehan Li · Jia Shen 等 7 人
论文解读
78精选
速览
基于无人机RGB与多光谱影像，结合株高与Stacking集成算法，实现水稻地上生物量高精度自动制图。
方法
无人机RGB/多光谱影像、植被指数、纹理与株高，Stacking集成及SAM+M
发现
引入株高显著提升精度，抽穗期R²从0.421升至0.739；自动稻田提取与物候识别精度达0.968和
机会点
可探索多生育期、多品种下株高与纹理特征的迁移性，并耦合深度学习实现全自动生物量时空制图。
影响力16
信息增量22
专业深度18
信源权威14
时效性8
基于无人机遥感与Stacking集成模型实现水稻地上生物量自动化制图，方法新颖、数据扎实，对精准农业管理有参考价值。
原文摘要
准确监测水稻地上生物量(AGB)对指导农业生产管理至关重要。本研究聚焦水稻AGB的高精度估算与自动化制图。田间试验在浙江省湖州市南浔区开展，采集了无人机RGB和多光谱影像、水稻AGB及株高数据。通过融合植被指数、纹理特征和株高信息，利用Stacking等算法构建AGB估算模型。提出了一种“SAM+MobileNetV3-Small分类”框架，以实现稻田自动化提取和物候识别。结果表明，基于Stacking集成算法的水稻AGB预测模型表现优异，株高的引入显著提高了模型精度。例如，在抽穗期，R2从0.421提升至0.739，RPIQ从1.995提升至3.015。本研究开发的稻田自动化提取与物候识别框架在本研究数据集上实现了0.968的分割精度和0.993的分类精度，且无需人工标注。本研究为水稻AGB的自动化高精度制图提供了技术参考。