狗牙根中五种生物量量化方法的比较评估

《Smart Agricultural Technology》：Comparative Evaluation of Five Biomass Quantification Methods in Bermudagrass

　　

精确估算牧草生物量对于确定牛只放牧率和放牧持续时间至关重要。本研究的目标是比较评估五种基于传感器的系统，用于估算狗牙根（Cynodon dactylon）地上生物量，并识别出领先的传感方法以供持续开发和更广泛的验证。这五种系统包括运动恢复结构（Structure-from-Motion, SfM）、超声波传感器与滑雪板（Ultrasound Sensor and Ski, US-Ski）、惯性测量单元与滑雪板（Inertial Measurement Unit and Ski, IMU-Ski）、惯性测量单元与滚轮（Inertial Measurement Unit and Roller, IMU-Roller）以及深度相机（Depth Camera, DC）。这些系统被部署在无人空中和地面车辆上，在相同的田间条件下测量作物高度。研究人员开发了将测量作物高度与湿生物量产量（Wet Biomass Yield, WBY）相关联的回归模型，作为统计比较传感器性能的通用校准框架。这些经验异速方程旨在支持传感系统的比较基准测试，而非作为最终的可立即部署的田间操作生物量预测模型。研究人员还检验了植被覆盖度对基于作物高度方程生成的产量预测的影响。结果表明，IMU-Ski系统展示了最强的整体比较性能（R² = 0.97；SeY = 1112 kg-wet/ha），其次是DC系统（R² = 0.97；SeY = 1132 kg-wet/ha）。基于其整体基准测试性能（包括校准精度、残差和简单性），IMU-Ski系统被识别为五种评估方法中用于持续开发和更广泛验证的领先传感方法。结果还表明，在实验条件下，将植被覆盖度加入基于作物高度的回归模型并未显著提高预测精度。

论文解读：狗牙根生物量估算系统的比较评估

**研究背景与问题**

狗牙根（Bermudagrass, *Cynodon dactylon*）是一种暖季型、深根性多年生牧草，广泛用于美国南部的放牧和干草生产。准确的牧草生物量估算对于确定放牧率和放牧持续时间至关重要，有助于防止过度放牧并维持牧草健康。传统方法如目视估测和收割称重法（clipping-and-weighing）存在主观性强、劳动强度大或效率低等问题。间接估算方法通过测量与作物产量相关的形态或反射特性（如作物高度、光谱指数等）来克服这些缺点。然而，现有基于传感器的系统（如无人机运动恢复结构（Structure-from-Motion, SfM）、超声波传感器、惯性测量单元（Inertial Measurement Unit, IMU）和深度相机（Depth Camera, DC））在狗牙根草地上的比较评估尚不充分。因此，研究人员开展了本研究，旨在比较评估五种传感器系统在狗牙根地上生物量估算中的性能，并识别出领先的传感方法以供后续开发和更广泛验证。该论文发表在《Smart Agricultural Technology》。

**主要关键技术方法**

本研究在Clemson University Piedmont Research and Education Centre (PREC) 的10.1公顷狗牙根牧场进行，数据采集于2023年8月16日（Session 1）和9月1日（Session 2）。共使用五种系统测量作物高度：(1) 无人机SfM（UAV-SfM），基于摄影测量生成3D点云；(2) 超声波传感器与滑雪板（US-Ski），通过超声波测量滑雪板位移；(3) 惯性测量单元与滑雪板（IMU-Ski），IMU测量连接杆倾角换算作物高度；(4) 惯性测量单元与滚轮（IMU-Roller），类似原理但使用滚轮；(5) 深度相机（DC），基于立体视觉测量距离。所有系统部署在无人地面车辆（UGV）或无人机上，在相同田间条件下采集数据。同时，利用RGB图像通过语义分割模型（SegVeg）提取植被覆盖度（Vegetation Coverage, VC）。收割样方后称重获得湿生物量产量（Wet Biomass Yield, WBY），并测定干物质分数（Dry Matter Fraction, DMF）以计算干生物量。通过回归模型建立作物高度与WBY的校准框架，用于比较各系统性能。

**研究结果**

**3.1. 收割方法方差分析**
通过F检验发现，Carter收割机与割草机的WBY方差存在显著差异（F=3.51 > 临界F=1.80），因此将相邻地块分组以减少参考生物量测量中的随机变异，形成56个数据点用于后续分析。

**3.2. 作物高度变化（ΔH）作为自变量（β_w(ΔH)）**
相关性分析表明，零截距模型显著优于含截距模型。回归分析中，深度相机（DC）的R²最高（0.95），标准误SeY最低（1392 kg-wet/ha）；IMU-Ski次之（R²=0.93，SeY=1641 kg-wet/ha）。但考虑到DC对光照条件敏感且后处理复杂，IMU-Ski在实际应用中更简便。

**3.3. 总冠层高度（TCH）作为自变量（β_w(TCH)）**
所有系统使用TCH时相关性显著提升。IMU-Ski和DC的R²均为0.97，但IMU-Ski的SeY更低（1112 kg-wet/ha）且CV更小（18.7%），排名第一。US-Ski（R²=0.96，SeY=1265 kg-wet/ha）位列第三，IMU-Roller和UAV-SfM表现较弱。

**3.4. 植被覆盖度（VC）作为自变量（β_w(VC)）**
VC单独预测时，零截距模型R²=0.94，SeY=1483 kg-wet/ha，CV=25%，优于UAV-SfM和IMU-Roller，但不如TCH-based IMU-Ski和DC。

**4. 讨论与总结**
单变量预测中，IMU-Ski（基于TCH）综合性能最佳，DC和US-Ski紧随其后。将VC与TCH联合作为自变量（β_w(TCH, VC)）时，VC的系数不显著（P>0.05），表明添加VC未显著改善预测精度。基于分组与未分组数据集的比较，IMU-Ski和US-Ski始终是领先系统，但IMU-Ski因机械设计简单、对环境条件不敏感（如光照、温度）而更受推荐。干生物量预测（β_d）中，IMU-Ski的观测值与预测值线性拟合斜率为0.97（95% CI: 0.89–1.05），R²=0.92，SeY=753 kg-DM/ha，表明性能令人满意。结论：IMU-Ski系统在狗牙根湿生物量和干生物量估算中表现最优，具有成本低、操作简单、鲁棒性高等优势，适合进一步开发。

**研究结论翻译**
本研究旨在比较评估狗牙根地上生物量估算系统。对五种作物高度测量系统进行了比较，以确定湿生物量产量估算中的最优方法。结果支持基于IMU-Ski的总冠层高度测量系统在狗牙根湿生物量和干生物量预测中的优越性。深度相机和植被覆盖度也表现出令人满意的性能，但基于极端残差、成本、复杂性和实用性等因素，IMU-Ski是最简单且推荐的方法。然而，根据设备可用性、制造设施和技术人员情况，其他系统也可采用。IMU-Roller在基于地面的系统中表现未达预期，可能原因是其重量较轻导致田间振动和冲击力。进一步改进可能使其性能令人满意。研究发现，基于地面的方法优于基于无人机的系统，表明近距离传感器在估算狗牙根等矮小作物地上生物量方面更具优势。建议使用更多数据点和更广泛的作物高度范围，以在不同作物条件下建立更适应性强的预测方程，这将是未来研究的方向。