作物表型鉴定技术促进智慧农业发展
乡村振兴与生态农业
1,5学时
坚定技术 智慧农业
课程简介
【培训收益】
l 了解作物表型研究趋势
l 明确田间作物表型平台的分类
l 知晓图像算法的表型研究、光谱技术的表型研究、模型与表型结合研究的相关方法
【授课专家】
金秀良，博士，中国农业科学院作物科学研究所青年英才A类引进，研究员，博士生导师，曾经获得过德国洪堡学者的资助。现任作物表型创新研究组组长，主要从事作物表型鉴定与精准农业研究。自2011年以来，在国内外期刊以第一作者或通讯作者共发表SCI论文27篇，合作发表SCI论文30余篇，涵盖了农业和遥感领域的主要期刊包括IEEE Geoscience and Remote Sensing Magazine、Remote Sensing of Environment、ISPRS Journal of Photogrammetry and Remote Sensing、Agricultural and Forest Meteorology和European Journal of Agronomy等，其中入选ESI高被引论文5篇。当前Google Scholar总引用1599次，H指数23。
目前担任The Crop Journal、Agronomy Journal、The Journal of Agricultural Science、Scientific Reports和作物杂志编委或副主编，Remote Sensing专刊客座编辑和奥地利科学基金（FWF）评审专家、中国仿真学会第一届农业建模与仿真专业委员会委员、中国农业机械学会青年工作委员会常务委员和2019年IEEE国际计算智能在遥感领域的应用会议的组委会委员。
【课程大纲】
第一章 研究背景
第二章 图像算法的表型研究
（一）基于无人机RGB影像对小麦苗期植株密度的估算
（二）高空间分辨率RGB影像茎秆特性对小麦穗密度和生物量的估算
（三）使用深度学习算法和RGB影像对小麦穗密度和穗特征的分析
（四）基于无人机RGB影像对向日葵苗期植株密度的估算
（五）向日葵表型实验的光合截获有效分量和绿叶面积指数的关系分析
（六）利用无人机RGB和热红外影像数据评估水稻的倒伏
第三章 光谱技术的表型研究
（一）利用光学和雷达数据对小麦生物量和LAI的估算
（二）新型整合光谱指数改善棉花叶绿素含量的估算精度
（三）利用灰色关联分析和偏最小二乘法估算小麦的叶片含水量
（四）基于模拟Sentinel 2A植被指数和叶面积指数的深度学习算法估算玉米生物量
（五）利用光谱指数估算膜下滴灌条件的小麦氮素状态
（六）使用FAO-56模型和环境卫星数据评估小麦的蒸散量
第四章 模型与表型结合的研究
（一）AquaCrop作物生长模型作物参数的敏感性分析
（二）整合AquaCrop模型和田间光谱数据对小麦生物量和产量的估算
（三）数据同化植被指数反演的生物量和冠层覆盖度到AquaCrop模型对玉米产量的估算
（四）利用粒子群算法整合AquaCrop模型和多源遥感数据对区域尺度小麦产量的估算
（五）整合AquaCrop模型和田间光谱数据对小麦水分生产力的估算
（六）作物模型和遥感数据同化综述
第五章 总结与展望
l 了解作物表型研究趋势
l 明确田间作物表型平台的分类
l 知晓图像算法的表型研究、光谱技术的表型研究、模型与表型结合研究的相关方法
【授课专家】
金秀良，博士，中国农业科学院作物科学研究所青年英才A类引进，研究员，博士生导师，曾经获得过德国洪堡学者的资助。现任作物表型创新研究组组长，主要从事作物表型鉴定与精准农业研究。自2011年以来，在国内外期刊以第一作者或通讯作者共发表SCI论文27篇，合作发表SCI论文30余篇，涵盖了农业和遥感领域的主要期刊包括IEEE Geoscience and Remote Sensing Magazine、Remote Sensing of Environment、ISPRS Journal of Photogrammetry and Remote Sensing、Agricultural and Forest Meteorology和European Journal of Agronomy等，其中入选ESI高被引论文5篇。当前Google Scholar总引用1599次，H指数23。
目前担任The Crop Journal、Agronomy Journal、The Journal of Agricultural Science、Scientific Reports和作物杂志编委或副主编，Remote Sensing专刊客座编辑和奥地利科学基金（FWF）评审专家、中国仿真学会第一届农业建模与仿真专业委员会委员、中国农业机械学会青年工作委员会常务委员和2019年IEEE国际计算智能在遥感领域的应用会议的组委会委员。
【课程大纲】
第一章 研究背景
第二章 图像算法的表型研究
（一）基于无人机RGB影像对小麦苗期植株密度的估算
（二）高空间分辨率RGB影像茎秆特性对小麦穗密度和生物量的估算
（三）使用深度学习算法和RGB影像对小麦穗密度和穗特征的分析
（四）基于无人机RGB影像对向日葵苗期植株密度的估算
（五）向日葵表型实验的光合截获有效分量和绿叶面积指数的关系分析
（六）利用无人机RGB和热红外影像数据评估水稻的倒伏
第三章 光谱技术的表型研究
（一）利用光学和雷达数据对小麦生物量和LAI的估算
（二）新型整合光谱指数改善棉花叶绿素含量的估算精度
（三）利用灰色关联分析和偏最小二乘法估算小麦的叶片含水量
（四）基于模拟Sentinel 2A植被指数和叶面积指数的深度学习算法估算玉米生物量
（五）利用光谱指数估算膜下滴灌条件的小麦氮素状态
（六）使用FAO-56模型和环境卫星数据评估小麦的蒸散量
第四章 模型与表型结合的研究
（一）AquaCrop作物生长模型作物参数的敏感性分析
（二）整合AquaCrop模型和田间光谱数据对小麦生物量和产量的估算
（三）数据同化植被指数反演的生物量和冠层覆盖度到AquaCrop模型对玉米产量的估算
（四）利用粒子群算法整合AquaCrop模型和多源遥感数据对区域尺度小麦产量的估算
（五）整合AquaCrop模型和田间光谱数据对小麦水分生产力的估算
（六）作物模型和遥感数据同化综述
第五章 总结与展望