农作物气象保障服务平台研究进展与存在的问题

阐述了农业遥感等数据平台系统的国内外研究现状,分析了有关农业遥感大数据服务的多源遥感数据融合、作物类型精准识别、作物产量估产机理研究以及遥感大数据研究面临的技术问题,提出了气象保障大数据的尺度转换和气候变化对农业生产影响中遇到的问题。该平台的建立需要全面整合专家智慧、遥感技术、大数据、服务方式等研究理论和技术,将深刻改变农业遥感应用模式,提升气象服务能力,推动农业、气象等综合信息的广泛应用与产业化发展。     

春玉米根系原位成像图片自动识别研究

微根窗成像技术推动了植物根系表型研究,但是根系长度和直径仍然需要人眼识别再绘制轨迹,消耗大量的人力和时间。为了解决这一难题,本研究将U-Net语义分割技术引入到植物根系图像识别中,研发了基于机器学习的iRoot-V02根系自动识别软件。采用iRoot-V02软件识别微根窗法获得的植物根系成像图片的根长、直径、投影面积、根尖数等参数。结果表明: iRoot-V02软件批处理600 dpi图片的速度为每张26.6 S; 获取根系的骨架信息、总根长与人眼识别结果基本一致; 按直径每0.1 mm为一级,获得不同直径的根长,与人眼识别结果的根长决定系数大于0.76;精确捕捉到根系生长旺盛期不同直径根长的变化; 分析了300 dpi和600 dpi两种分辨率根系图片的参数,两种分辨率结果具有高相关性,因此可建立低分辨率根系参数和高分辨率根系参数之间的关系方程,采用低分辨率拍摄根系图像,通过方程转化成更准确的根系参数,减轻工作量。用iRoot-V02软件的根系生长信息近似于人眼识别,相比人眼识别在大批量根系图像智能识别、自动化、快速目标检测方面具有巨大优势。