文献

J-GLOBAL ID：202102242231338968   整理番号：21A2453461

無人航空機ディジタル画像を用いた異なる成長段階で最適化したイネ成長指標の認定【JST・京大機械翻訳】

Qualifications of Rice Growth Indicators Optimized at Different Growth Stages Using Unmanned Aerial Vehicle Digital Imagery

著者 (6件)： Qiu Zhengchao (The State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science Chinese Academy of Sciences, Nanjing 210008, China) ,  Qiu Zhengchao (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Xiang Haitao (The State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science Chinese Academy of Sciences, Nanjing 210008, China) ,  Ma Fei (The State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science Chinese Academy of Sciences, Nanjing 210008, China) ,  Du Changwen (The State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science Chinese Academy of Sciences, Nanjing 210008, China) ,  Du Changwen (University of Chinese Academy of Sciences, Beijing 100049, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 19  ページ： 3228  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： イネの重要な成長指標の正確な推定は,イネ生産に役立ち,これらの指標の迅速モニタリングは,無人航空機(UAV)の市販RGBカメラを用いたリモートセンシングを通して達成できる。しかし,UAV RGB画像を使用する方法は,イネ成長指標の正確な認定を達成するために,最適化モデルを欠いている。本研究では,イネの各成長段階について,UAV画像から抽出した多段植生指数(VIs)と葉乾燥バイオマス,葉面積指数,および葉の全窒素の間の相関を確立した。次に,最適VI(OVI)法とオブジェクト指向セグメンテーション(OS)法を用いて,画像の非キャノピー領域を除去し,推定精度を改善した。簡単な推定モデルデータベースを確立するために,各成長段階に対して最良の相関を持つOVIとモデルを選択した。結果は,非キャノピー領域を除去するOVIとOS方法が,イネの重要な成長指標とVIの間の相関を改善することを示した。分げつ期と初期節理期において,葉乾燥バイオマス(LDB)と緑葉指数(GLI)と赤グリーン比指数(RGRI)の間の相関は,それぞれ,0.829と0.881であった。初期接合段階と後期接合段階で,葉面積指数(LAI)と修正グリーンレッド植生指数(MGRVI)の間の決定係数(R2)は,それぞれ0.803と0.875であった。初期段階と充填段階で,葉全窒素(LTN)とUAV植生指数と過剰赤植生指数(ExR)の間の相関は,それぞれ0.861と0.931であった。UAVベースのVIを用いて確立された簡単な推定モデルデータベースと,異なる成長段階での測定指標を用いて,イネ成長指標を各段階で推定することができた。異なる成長段階のイネを監視するための提案された推定モデルデータベースは,重要なイネ成長指標の推定精度を改善し,イネ生産を正確に管理するのに役立つ。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  セグメンテーション ,  データベース ,  節理 ,  リモートセンシング ,  *無人機 ,  バイオマス ,  分蘖 ,  *成長段階 ,  *ディジタル画像 ,  葉面積指数
準シソーラス用語： 植生指標 ,  推定精度 ,  推定モデル ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (7件)： 米 ,  成長指標 ,  多段植生指数 ,  無人航空機 ,  最適指数法 ,  オブジェクト指向セグメンテーション法 ,  推定精度

分類 (2件)： 稲作  (FC03020C) ,  リモートセンシング一般  (AD04000L)

引用文献 (50件)：

• Li, P.; Zhang, X.; Wang, W.; Zheng, H.; Yao, X.; Tian, Y.; Zhu, Y.; Cao, W.; Chen, Q.; Cheng, T. Estimating aboveground and organ biomass of plant canopies across the entire season of rice growth with terrestrial laser scanning. Int. J. Appl. Earth Obs. Geoinf. 2020, 91, 102-132.
• Yang, B.; Wang, M.; Sha, Z.; Wang, B.; Chen, J.; Yao, X.; Cheng, T.; Cao, W.; Zhu, Y. Evaluation of aboveground nitrogen content of winter wheat using digital imagery of unmanned aerial vehicles. Sensors 2019, 19, 4416.
• Zhang, N.; Wang, M.; Wang, N. Precision agriculture-A worldwide overview. Comput. Electron. Agric. 2002, 36, 113-132.
• Qiu, Z.; Liu, H.; Zhang, X.; Meng, L.; Xu, M.; Pan, Y.; Bao, Y.; Yu, S. Analysis of spatiotemporal variation of site-specific management zones in a topographic relief area over a period of six years using image segmentation and satellite data. Can. J. Remote Sens. 2019, 45, 746-758.
• Xu, X.; Teng, C.; Zhao, Y.; Du, Y.; Zhao, C.; Yang, G.; Jin, X.; Song, X.; Gu, X.; Casa, R.; et al. Prediction of wheat grain protein by coupling multisource remote sensing imagery and ECMWF data. Remote Sens. 2020, 12, 1349.

タイトルに関連する用語 (8件)： 無人航空機 ,  ディジタル画像 ,  成長段階 ,  最適化 ,  イネ ,  成長 ,  指標 ,  認定