利用偏振測量法減輕高光譜成像中的光照、葉片和視角依賴性
Plant Phenomics | 利用偏振測量法減輕高光譜成像中的光照、葉片和視角依賴性
由于全球人口的快速增長、耕地減少、氣候變化和水資源短缺，對先進植物表型方法的需求日益增長。這些因素對農業部門提出了重大挑戰，需要改進作物診斷和育種計劃，以確保糧食安全。表型研究，對于這些進展至關重要，但在受控環境（如溫室）中可實現的表型質量與在田間條件下可獲得的表型質量之間仍然存在顯著差距。田間表型分析的一個主要挑戰是雙向反射率分布函數（BRDF），它會影響葉片或冠層顏色的測量。太陽入射角和視角會導致陽光從葉子上反射，產生眩光，掩蓋葉子的真實顏色，從而影響數據的可靠性。雖然以前的研究試圖通過光散射模擬和 3D 傳感器融合等各種方法解決這些問題，但這些解決方案通常需要復雜的計算、專業知識或在不同條件下進行一系列不切實際的測量。
2024年3月，Plant Phenomics 在線發表了北卡羅萊納州立大學的Daniel Krafft、Clifton G. Scarboro和William Hsieh等人的合作完成的題為Mitigating Illumination-, Leaf-, and View-Angle Dependencies in Hyperspectral Imaging Using Polarimetry 的研究成果。他們的開創性研究深入探討了植物表型的復雜性，特別是在光反射和不同角度等因素構成重大挑戰的田間條件下。
該研究的重點是通過開發一種方法來減輕使用偏振法在高光譜成像中的照明、葉子和視角依賴性，從而改善植物表型。這種新方法涉及兩個主要項目：桅桿安裝的高光譜成像旋光儀（HIP）和基于多基地光纖（MFB）的Mueller矩陣雙向反射率分布函數（mmBRDF）儀器。HIP用于晝夜周期的現場成像，而 mmBRDF 儀器用于在受控環境中進行詳細的葉片水平分析。該方法創新的使用偏振光將從葉子表面反射的光與散射在葉子組織內的光分開，從而顯著減少了眩光的影響，眩光傳統上會掩蓋真正的葉子顏色并損害數據可靠性。該方法還涉及將高光譜數據下采樣為更簡單的雙波段植被指數（VI）–GNDVI 和 RERR– 以簡化分析，同時保持準確性。
實驗結果表明，采用新的校正技術后，植被指數測量的平均誤差顯著改善，標準差減小。這表明在自然陽光下葉色估計的準確性有了顯著提高，這對于準確的植物表型分析至關重要。這項技術旨在解決田間數據收集中長期存在的環境差異問題，為評估自然條件下的植物健康和特性提供一種更準確和更方便的方法，有望簡化數據捕獲并提高自然陽光下葉色估計的準確性。
圖1 (a)給出了BRDF建模使用的角度約定，(b)顯示了在上午8:29，下午12:30和下午5:30采樣的三幅野外示例DoLP圖像。請注意，隨著太陽全天位置的變化，具有高DoLP的明亮部分如何在整個場中移動
圖2 校準后的偏振誤差圖。圖a是相對于波長的偏振誤差(橫跨探測器陣列的x軸)。圖b是相對于狹縫位置的偏振誤差(穿過探測器陣列的y軸)。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0157
——推薦閱讀——
https://spj.science.org/doi/10.34133/plantphenomics.0146
Plant Phenomics | 東京大學利用高光譜圖像預測番茄葉片中元素含量的多目標回歸方法
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.5，位于農藝學、植物科學、遙感一區。2023年中科院期刊分區位于農林科學大類一區。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》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：許滸（南京農業大學）
排版：趙慶澤（南京農業大學）
審核：孔敏、王平
