Published April 23, 2024 | Version v1
Publication Metadata-only

Time Series Field Estimation of Rice Canopy Height Using an Unmanned Aerial Vehicle-Based RGB/Multispectral Platform

Creators

  • 1. Zhejiang Sci-Tech University
  • 2. China National Rice Research Institute
  • 3. Chinese Academy of Agricultural Sciences
  • 4. Yangtze University

Description

Crop plant height is a critical parameter for assessing crop physiological properties, such as above-ground biomass and grain yield and crop health. Current dominant plant height estimation methods are based on digital surface model (DSM) and vegetation indexes (VIs). However, DSM-based methods usually estimate plant height by growth stages, which would result in some discontinuity between growth stages due to different fitting curves. Additionally, there has been limited research on the application of VI-based plant height estimation for multiple crop species. Thus, this study investigated the validity and challenges associated with these methods for estimating canopy heights of multi-variety rice throughout the entire growing season. A total of 474 rice varieties were cultivated in a single season, and RGB images including red, green, and blue bands, DSMs, multispectral images including near infrared and red edge bands, and manually measured plant heights were collected in 2022. DSMs and 26 commonly used VIs were employed to estimate rice canopy heights during the growing season. The plant height estimation using DSMs was performed using different quantiles (50th, 75th, and 95th), while two-stage linear regression (TLR) models based on each VI were developed. The DSM-based method at the 95th quantile showed high accuracy, with an R2 value of 0.94 and an RMSE value of 0.06 m. However, the plant height estimation at the early growth stage showed lower effectiveness, with an R2 < 0. For the VIs, height estimation with MTCI yielded the best results, with an R2 of 0.704. The first stage of the TLR model (maximum R2 = 0.664) was significantly better than the second stage (maximum R2 = 0.133), which indicated that the VIs were more suitable for estimating canopy height at the early growth stage. By grouping the 474 varieties into 15 clusters, the R2 values of the VI-based TLR models exhibited inconsistencies across clusters (maximum R2 = 0.984; minimum R2 = 0.042), which meant that the VIs were suitable for estimating canopy height in the cultivation of similar or specific rice varieties. However, the DSM-based method showed little difference in performance among the varieties, which meant that the DSM-based method was suitable for multi-variety rice breeding. But for specific clusters, the VI-based methods were better than the DSM-based methods for plant height estimation. In conclusion, the DSM-based method at the 95th quantile was suitable for plant height estimation in the multi-variety rice breeding process, and we recommend using DSMs for plant height estimation after 26 DAT. Furthermore, the MTCI-based TLR model was suitable for plant height estimation in monoculture planting or as a correction for DSM-based plant height estimation in the pre-growth period of rice.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد ارتفاع نبات المحاصيل معلمة حاسمة لتقييم الخصائص الفسيولوجية للمحاصيل، مثل الكتلة الحيوية فوق الأرض وإنتاجية الحبوب وصحة المحاصيل. تعتمد طرق تقدير ارتفاع النبات السائدة الحالية على نموذج السطح الرقمي (DSM) ومؤشرات الغطاء النباتي (VIS). ومع ذلك، عادة ما تقدر الطرق القائمة على الدليل التشخيصي والإحصائي للاضطرابات النفسية ارتفاع النبات حسب مراحل النمو، مما قد يؤدي إلى بعض الانقطاع بين مراحل النمو بسبب منحنيات التركيب المختلفة. بالإضافة إلى ذلك، كانت هناك أبحاث محدودة حول تطبيق تقدير ارتفاع النبات القائم على VI لأنواع المحاصيل المتعددة. وبالتالي، بحثت هذه الدراسة في صحة هذه الطرق والتحديات المرتبطة بها لتقدير ارتفاعات المظلة للأرز متعدد الأصناف طوال موسم النمو بأكمله. تمت زراعة ما مجموعه 474 نوعًا من الأرز في موسم واحد، وتم جمع صور RGB بما في ذلك الأشرطة الحمراء والخضراء والزرقاء، و DSMs، والصور متعددة الأطياف بما في ذلك الأشرطة القريبة من الأشعة تحت الحمراء والحافة الحمراء، وارتفاعات النباتات المقاسة يدويًا في عام 2022. تم استخدام DSMs و 26 VIs شائعة الاستخدام لتقدير ارتفاعات مظلة الأرز خلال موسم النمو. تم إجراء تقدير ارتفاع النبات باستخدام DSMS باستخدام كميات مختلفة (50 و 75 و 95)، بينما تم تطوير نماذج الانحدار الخطي على مرحلتين (TLR) بناءً على كل VI. أظهرت الطريقة القائمة على الدليل التشخيصي والإحصائي للاضطرابات النفسية في الكمي 95 دقة عالية، بقيمة R2 تبلغ 0.94 وقيمة RMSE تبلغ 0.06 م. ومع ذلك، أظهر تقدير ارتفاع النبات في مرحلة النمو المبكرة فعالية أقل، مع R2 < 0. بالنسبة لـ VIS، حقق تقدير الارتفاع مع MTCI أفضل النتائج، مع R2 من 0.704. كانت المرحلة الأولى من نموذج TLR (الحد الأقصى R2 = 0.664) أفضل بكثير من المرحلة الثانية (الحد الأقصى R2 = 0.133)، مما يشير إلى أن VIs كانت أكثر ملاءمة لتقدير ارتفاع المظلة في مرحلة النمو المبكرة. من خلال تجميع 474 صنفًا في 15 مجموعة، أظهرت قيم R2 لنماذج TLR القائمة على VI تناقضات عبر المجموعات (الحد الأقصى R2 = 0.984 ؛ الحد الأدنى R2 = 0.042)، مما يعني أن VIs كانت مناسبة لتقدير ارتفاع المظلة في زراعة أصناف الأرز المماثلة أو المحددة. ومع ذلك، أظهرت الطريقة القائمة على الدليل التشخيصي والإحصائي للأمراض اختلافًا طفيفًا في الأداء بين الأصناف، مما يعني أن الطريقة القائمة على الدليل التشخيصي والإحصائي للأمراض كانت مناسبة لتربية الأرز متعدد الأصناف. ولكن بالنسبة لمجموعات محددة، كانت الطرق القائمة على VI أفضل من الطرق القائمة على DSM لتقدير ارتفاع النبات. في الختام، كانت الطريقة القائمة على الدليل التشخيصي والإحصائي في الكمي 95 مناسبة لتقدير ارتفاع النبات في عملية تربية الأرز متعددة الأصناف، ونوصي باستخدام الدليل التشخيصي والإحصائي لتقدير ارتفاع النبات بعد 26 يوم عمل. علاوة على ذلك، كان نموذج TLR القائم على MTCI مناسبًا لتقدير ارتفاع النبات في الزراعة الأحادية أو كتصحيح لتقدير ارتفاع النبات القائم على DSM في فترة ما قبل نمو الأرز.

Translated Description (French)

La hauteur des plantes cultivées est un paramètre essentiel pour évaluer les propriétés physiologiques des cultures, telles que la biomasse aérienne, le rendement céréalier et la santé des cultures. Les méthodes actuelles d'estimation de la hauteur des plantes dominantes sont basées sur un modèle numérique de surface (DSM) et des indices de végétation (VI). Cependant, les méthodes basées sur le DSM estiment généralement la hauteur des plantes par stades de croissance, ce qui entraînerait une certaine discontinuité entre les stades de croissance en raison de différentes courbes d'ajustement. De plus, il y a eu peu de recherches sur l'application de l'estimation de la hauteur des plantes à base d'IV pour plusieurs espèces de cultures. Ainsi, cette étude a étudié la validité et les défis associés à ces méthodes pour estimer la hauteur de la canopée du riz multi-variété tout au long de la saison de croissance. Au total, 474 variétés de riz ont été cultivées en une seule saison, et des images RVB, y compris des bandes rouges, vertes et bleues, des DSM, des images multispectrales, y compris des bandes de bordure proches de l'infrarouge et rouges, et des hauteurs de plantes mesurées manuellement ont été collectées en 2022. Les DSM et 26 VI couramment utilisés ont été utilisés pour estimer la hauteur de la canopée du riz pendant la saison de croissance. L'estimation de la hauteur de la plante à l'aide de DSM a été effectuée à l'aide de différents quantiles (50e, 75e et 95e), tandis que des modèles de régression linéaire en deux étapes (TLR) basés sur chaque VI ont été développés. La méthode basée sur le DSM au 95e quantile a montré une grande précision, avec une valeur R2 de 0,94 et une valeur RMSE de 0,06 m. Cependant, l'estimation de la hauteur de la plante au stade de croissance précoce a montré une efficacité plus faible, avec un R2 < 0. Pour les IV, l'estimation de la hauteur avec MTCI a donné les meilleurs résultats, avec un R2 de 0,704. La première étape du modèle TLR (R2 maximum = 0,664) était significativement meilleure que la deuxième étape (R2 maximum = 0,133), ce qui indiquait que les VI étaient plus appropriés pour estimer la hauteur de la canopée au début de la croissance. En regroupant les 474 variétés en 15 grappes, les valeurs R2 des modèles TLR basés sur VI présentaient des incohérences entre les grappes (R2 maximum = 0,984 ; R2 minimum = 0,042), ce qui signifiait que les VI étaient appropriés pour estimer la hauteur de la canopée dans la culture de variétés de riz similaires ou spécifiques. Cependant, la méthode basée sur le DSM a montré peu de différence de performance entre les variétés, ce qui signifie que la méthode basée sur le DSM était adaptée à la sélection de riz multi-variétés. Mais pour des grappes spécifiques, les méthodes basées sur l'IV étaient meilleures que les méthodes basées sur le DSM pour l'estimation de la hauteur des plantes. En conclusion, la méthode basée sur le DSM au 95e quantile était appropriée pour l'estimation de la hauteur des plantes dans le processus de sélection du riz multi-variétés, et nous recommandons d'utiliser les DSM pour l'estimation de la hauteur des plantes après 26 DAT. En outre, le modèle TLR basé sur MTCI était approprié pour l'estimation de la hauteur des plantes en monoculture ou comme correction pour l'estimation de la hauteur des plantes basée sur DSM dans la période précédant la croissance du riz.

Translated Description (Spanish)

La altura de las plantas de cultivo es un parámetro crítico para evaluar las propiedades fisiológicas de los cultivos, como la biomasa sobre el suelo, el rendimiento de los granos y la salud de los cultivos. Los métodos actuales de estimación de la altura de la planta dominante se basan en el modelo digital de superficie (DSM) y los índices de vegetación (VI). Sin embargo, los métodos basados en DSM generalmente estiman la altura de la planta por etapas de crecimiento, lo que daría lugar a cierta discontinuidad entre las etapas de crecimiento debido a las diferentes curvas de ajuste. Además, ha habido una investigación limitada sobre la aplicación de la estimación de la altura de las plantas basada en VI para múltiples especies de cultivos. Por lo tanto, este estudio investigó la validez y los desafíos asociados con estos métodos para estimar las alturas del dosel de arroz de variedades múltiples a lo largo de toda la temporada de crecimiento. Se cultivaron un total de 474 variedades de arroz en una sola temporada, y en 2022 se recopilaron imágenes RGB que incluían bandas rojas, verdes y azules, DSM, imágenes multiespectrales que incluían bandas de borde infrarrojo cercano y rojo, y alturas de plantas medidas manualmente. Se emplearon DSM y 26 VI de uso común para estimar las alturas del dosel del arroz durante la temporada de crecimiento. La estimación de la altura de la planta utilizando DSM se realizó utilizando diferentes cuantiles (50 °, 75 ° y 95 °), mientras que se desarrollaron modelos de regresión lineal de dos etapas (TLR) basados en cada VI. El método basado en DSM en el cuantil 95 mostró una alta precisión, con un valor de R2 de 0.94 y un valor de RMSE de 0.06 m. Sin embargo, la estimación de la altura de la planta en la etapa temprana de crecimiento mostró una menor efectividad, con un R2 < 0. Para los VI, la estimación de altura con MTCI arrojó los mejores resultados, con un R2 de 0.704. La primera etapa del modelo TLR (máximo R2 = 0.664) fue significativamente mejor que la segunda etapa (máximo R2 = 0.133), lo que indicó que los VI eran más adecuados para estimar la altura del dosel en la etapa de crecimiento temprano. Al agrupar las 474 variedades en 15 grupos, los valores de R2 de los modelos TLR basados en VI mostraron inconsistencias entre grupos (máximo R2 = 0,984; mínimo R2 = 0,042), lo que significó que los VI eran adecuados para estimar la altura del dosel en el cultivo de variedades de arroz similares o específicas. Sin embargo, el método basado en el DSM mostró poca diferencia en el rendimiento entre las variedades, lo que significaba que el método basado en el DSM era adecuado para el mejoramiento de arroz de variedades múltiples. Pero para grupos específicos, los métodos basados en VI fueron mejores que los métodos basados en DSM para la estimación de la altura de la planta. En conclusión, el método basado en DSM en el cuantil 95 fue adecuado para la estimación de la altura de la planta en el proceso de mejoramiento de arroz de variedades múltiples, y recomendamos usar DSM para la estimación de la altura de la planta después de 26 DAT. Además, el modelo TLR basado en MTCI fue adecuado para la estimación de la altura de la planta en la plantación de monocultivos o como una corrección para la estimación de la altura de la planta basada en DSM en el período previo al crecimiento del arroz.

Additional details

Additional titles

Translated title (Arabic)
التقدير الميداني للسلسلة الزمنية لارتفاع مظلة الأرز باستخدام منصة RGB/متعددة الأطياف قائمة على مركبة جوية بدون طيار
Translated title (French)
Estimation chronologique sur le terrain de la hauteur de la canopée du riz à l'aide d'une plate-forme RVB/multispectrale sans pilote basée sur un véhicule aérien
Translated title (Spanish)
Estimación de campo de series de tiempo de la altura del dosel del arroz utilizando una plataforma RGB/multiespectral basada en vehículos aéreos no tripulados

Identifiers

Other
https://openalex.org/W4395116720
DOI
10.3390/agronomy14050883

Is supplement to
https://openalex.org/W4388409104 (Other)
https://openalex.org/W4385497869 (Other)
https://openalex.org/W4318664220 (Other)
https://openalex.org/W283587633 (Other)
https://openalex.org/W2792279927 (Other)
https://openalex.org/W2771047279 (Other)
https://openalex.org/W2124951708 (Other)
https://openalex.org/W2006066416 (Other)
https://openalex.org/W172072032 (Other)
https://openalex.org/W1544811710 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1462825729
  • https://openalex.org/W1976313838
  • https://openalex.org/W2000613913
  • https://openalex.org/W2000932885
  • https://openalex.org/W2004195779
  • https://openalex.org/W2005146932
  • https://openalex.org/W2011345111
  • https://openalex.org/W2012686349
  • https://openalex.org/W2029118156
  • https://openalex.org/W2031126473
  • https://openalex.org/W2063113990
  • https://openalex.org/W2063623478
  • https://openalex.org/W2063730763
  • https://openalex.org/W2112458566
  • https://openalex.org/W2128866545
  • https://openalex.org/W2136701119
  • https://openalex.org/W2145058632
  • https://openalex.org/W2166516660
  • https://openalex.org/W2389041054
  • https://openalex.org/W2603028033
  • https://openalex.org/W2770587905
  • https://openalex.org/W2782239312
  • https://openalex.org/W2792286873
  • https://openalex.org/W2795810650
  • https://openalex.org/W2901528449
  • https://openalex.org/W2904765917
  • https://openalex.org/W2964415981
  • https://openalex.org/W3005919601
  • https://openalex.org/W3006866732
  • https://openalex.org/W3027644944
  • https://openalex.org/W3083611323
  • https://openalex.org/W3097727883
  • https://openalex.org/W3170750730
  • https://openalex.org/W3177314312
  • https://openalex.org/W4200136078
  • https://openalex.org/W4220653303
  • https://openalex.org/W4220871058
  • https://openalex.org/W4224100069
  • https://openalex.org/W4286250869
  • https://openalex.org/W4293544922
  • https://openalex.org/W4309552441
  • https://openalex.org/W4321359605
  • https://openalex.org/W4324026557
  • https://openalex.org/W4327997939
  • https://openalex.org/W4380625086
  • https://openalex.org/W4382359401
  • https://openalex.org/W4387453771