簡化從基于無人機的遙感數(shù)據(jù)中提取單個樹木光譜的ExtSpecR方法研究

Plant Phenomics | ExtSpecR：無人機與R語言聯(lián)手，樹木光譜分析更簡單

無人機提供了一種高通量、成本效益高的數(shù)據(jù)收集方式，為森林監(jiān)測和管理提供了前所未有的機會。盡管有了這些進(jìn)步，林業(yè)領(lǐng)域在從基于無人機的遙感數(shù)據(jù)中提取單個樹木光譜方面仍面臨重大挑戰(zhàn)。傳統(tǒng)的光譜提取方法通常涉及手動標(biāo)注，這是一種勞動密集型和耗時的過程。這種手動方法不僅容易出錯，而且限制了森林監(jiān)測工作的可擴展性。雖然已經(jīng)開發(fā)了幾種軟件解決方案來自動化此過程，但它們通常需要專門的專業(yè)知識，并且尚未得到廣泛采用。此外，這些現(xiàn)有的解決方案沒有提供交互式、用戶友好的界面，使得具有有限計算技能的研究人員和從業(yè)人員難以有效地利用它們。在林業(yè)研究中樹木表型組學(xué)的重要性日益增長，進(jìn)一步強調(diào)了需要一種高效、準(zhǔn)確和用戶友好的單樹光譜提取工具。高通量表型分型平臺越來越多地被用于研究各種樹木特性，包括生長速度、木材質(zhì)量和對疾病的抗性。準(zhǔn)確的光譜數(shù)據(jù)對這些研究至關(guān)重要，因為它提供了有關(guān)樹木生理狀態(tài)的寶貴見解，這反過來又可以為育種計劃和森林管理策略提供信息。

此外，應(yīng)對氣候變化的緊迫性已經(jīng)導(dǎo)致全球范圍內(nèi)的重新造林和植樹造林項目激增。有效地監(jiān)測這些新種植的森林對其長期成功至關(guān)重要。傳統(tǒng)的基于地面的監(jiān)測方法通常不適用于這種大規(guī)模的項目，使基于無人機的遙感成為一個有吸引力的替代方案。然而，缺乏有效的數(shù)據(jù)分析工具仍然是一個重大的瓶頸。

2023年9月，Plant Phenomics 在線發(fā)表了中國林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所李彥杰等人題為ExtSpecR: a R package and tool for extracting trees spectra from UAV-based remote sensing的研究論文。

本研究推出了ExtSpecR，這是一個旨在填補林業(yè)領(lǐng)域這一關(guān)鍵空白的開源R包。ExtSpecR旨在簡化從基于無人機的遙感數(shù)據(jù)中提取單個樹木光譜的過程。它具有一個交互式的網(wǎng)絡(luò)應(yīng)用程序，簡化了整個工作流程，從數(shù)據(jù)輸入到光譜和空間特征提取。該工具集成了用戶友好的交互式網(wǎng)絡(luò)應(yīng)用程序，借助先進(jìn)的圖像處理和機器學(xué)習(xí)算法實現(xiàn)高效的單樹檢測和標(biāo)注。這一自動化流程不僅大大減少了手動標(biāo)注的需求，從而節(jié)省了大量時間和勞動力，還能從遙感圖像中提取多維度的空間特征，如樹冠直徑和樹高。更進(jìn)一步，ExtSpecR提供了一個功能豐富的交互式儀表板，包括多種數(shù)據(jù)可視化工具，使用戶能夠深入了解提取數(shù)據(jù)的質(zhì)量和特性。作為一個開源項目，該工具具有很高的可擴展性，不僅適用于基礎(chǔ)科學(xué)研究，還可廣泛應(yīng)用于實際的林業(yè)管理活動，如森林健康監(jiān)測、疾病診斷和高通量表型分型。綜合考慮，ExtSpecR有望填補林業(yè)領(lǐng)域在高通量、精準(zhǔn)的樹木光譜提取方面的重要空白，并成為未來林業(yè)遙感和表型組學(xué)研究的重要工具。
 

Fig.2. The workflow for the data process and dowload submenu in tree phenotyping.

中國林業(yè)科學(xué)研究院亞熱帶林業(yè)研究所李彥杰副研究員為通訊作者，該成果得到中國林科院“青年英才工程”優(yōu)秀青年創(chuàng)新人才培育計劃（CAFYBB2022QA001）和浙江省農(nóng)業(yè)（林木）新品種選育重大科技專項（2021C02070-7）資助。

https://spj.science.org/doi/10.34133/plantphenomics.0103

資源獲�。�

https://github.com/Yanjie-Li/ExtSpecR

——推薦閱讀——

Estimation of Rice Aboveground Biomass by UAV Imagery with Photosynthetic Accumulation Models

‍https://spj.science.org/doi/10.34133/plantphenomics.0056

Plant Phenomics | 使用無人機圖像和光合積累模型估算水稻地上生物量

Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum 

https://spj.science.org/doi/10.34133/2022/9768502

Plant Phenomics 精選2022 | 利用高通量冠層高光譜遙感預(yù)測高粱的光合參數(shù)

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、專刊發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：李彥杰
排版：李芯蕊（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平