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

無人機提供了一種高通量、成本效益高的數據收集方式，為森林監測和管理提供了前所未有的機會。盡管有了這些進步，林業領域在從基于無人機的遙感數據中提取單個樹木光譜方面仍面臨重大挑戰。傳統的光譜提取方法通常涉及手動標注，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，而且限制了森林監測工作的可擴展性。雖然已經開發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知識，并且尚未得到廣泛采用。此外，這些現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人員難以有效地利用它們。在林業研究中樹木表型組學的重要性日益增長，進一步強調了需要一種高效、準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、木材質量和對疾病的抗性。準確的光譜數據對這些研究至關重要，因為它提供了有關樹木生理狀態的寶貴見解，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，應對氣候變化的緊迫性已經導致全球范圍內的重新造林和植樹造林項目激增。有效地監測這些新種植的森林對其長期成功至關重要。傳統的基于地面的監測方法通常不適用于這種大規模的項目，使基于無人機的遙感成為一個有吸引力的替代方案。然而，缺乏有效的數據分析工具仍然是一個重大的瓶頸。

2023年9月，Plant Phenomics 在線發表了中國林業科學研究院亞熱帶林業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領域這一關鍵空白的開源R包。ExtSpecR旨在簡化從基于無人機的遙感數據中提取單個樹木光譜的過程。它具有一個交互式的網絡應用程序，簡化了整個工作流程，從數據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絡應用程序，借助先進的圖像處理和機器學習算法實現高效的單樹檢測和標注。這一自動化流程不僅大大減少了手動標注的需求，從而節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。更進一步，ExtSpecR提供了一個功能豐富的交互式儀表板，包括多種數據可視化工具，使用戶能夠深入了解提取數據的質量和特性。作為一個開源項目，該工具具有很高的可擴展性，不僅適用于基礎科學研究，還可廣泛應用于實際的林業管理活動，如森林健康監測、疾病診斷和高通量表型分型。綜合考慮，ExtSpecR有望填補林業領域在高通量、精準的樹木光譜提取方面的重要空白，并成為未來林業遙感和表型組學研究的重要工具。
 

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

中國林業科學研究院亞熱帶林業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”優秀青年創新人才培育計劃（CAFYBB2022QA001）和浙江省農業（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

資源獲取：

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測高粱的光合參數

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

《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：李彥杰
排版：李芯蕊（南京農業大學）
審核：孔敏、王平