Above-ground vegetation indices and yield attributes of rice crop using unmanned aerial vehicle combined with ground truth measurements

Abstract

Rice is an important economic and staple crop in several developing countries. Indica rice cultivars, ‘KDML105’ and ‘RD6’ are clear favourites, popular throughout world for their cooking quality, aroma, flavour, long grain, and soft texture, thus consequently dominate major plantation area in Northeastern region of Thailand. The objective of present study was to validate UAV (unmanned aerial vehicle)-derived information of rice crop traits with ground truthing non-destructive measurements in these rice varieties throughout whole life span under field environment. Plant height of cv. ‘KDML105’ was more than cv. ‘RD6’ for each respective stage. Whereas, number of tillers per clump in ‘KDML105’ exhibited stability at each developmental stage, which was in contrast to ‘RD6’ (increased continuously). Moreover, 1,000 grain weight, total grain weight and aboveground biomass were higher in ‘KDML105’ than in ‘RD6’ by 1.20, 1.82 and 3.82 folds. Four vegetative indices, ExG, EVI2, NDVI and NDRE derived from UAV platform proved out to be excellent parameters to compare KDML105 and RD6, especially in the late vegetative and reproductive developmental stages. Positive relationships between NDVI and NDRE, NDRE and total yield traits, as well as NDVI and aboveground biomass were demonstrated. In contrast, total chlorophyll pigment in cv. ‘RD6’ was higher than in cv. ‘KDML105’ leading to negative correlation with NDVI. ‘KDML105’ reflected rapid adaptation to Northeastern environments, leading to maintenance of plant height and yield components. Vegetation indices derived from UAV platform and ground truth non-destructive data exhibited high correlation. ‘KDML105’ was rapidly adapted to NE environments when compared with ‘RD6’, leading to maintenance of physiological parameters (detecting by UAV), the overall growth performances and yield traits (measuring by ground truth method). This study advocates harnessing and adopting the approach of UAV platform along with ground truthing non-destructive measurements of assessing a species/cultivars performance at broad land-use scale.

Enhancing Wheat Above-Ground Biomass Estimation Using UAV RGB Images and Machine Learning: Multi-Feature Combinations, Flight Height, and Algorithm Implications

“…To address this limitation, some studies have explored the combination of VIs with crop height (CH) [16]. CH provides insights into the vertical structure of crops and its variations reflect the health and nutritional status of crops, thereby aiding in AGB estimation [17]. UAV RGB images can be stitched together to generate a digital surface model (DSM), which, in turn, enables the derivation of crop height models for obtaining CH information [18].…”

Ứng dụng công nghệ UAV (drones) theo dõi sinh trưởng và dự báo năng suất lúa tại vùng canh tác lúa tỉnh Hậu Giang

“…Kết quả nghiên cứu tại vùng trồng lúa thung lũng Sacramento của California minh chứng rằng NDVI tại thời điểm lúa làm đồng có tương quan thuận với năng suất hạt cuối cùng (R 2 = 0,58) và có thể phát triển các dự đoán năng suất (Rehman et al, 2019). Mối quan hệ thuận giữa NDRE và năng suất lúa (R 2 = 0,6414) được chỉ ra trong nghiên cứu của của Pipatsitee et al (2020). NDVI cũng được ứng dụng trong hệ thống theo dõi sự sinh trưởng và dự đoán năng suất lúa trồng tại nông trường thông minh (Cropin & AWS, 2021).…”

“…Kết quả nghiên cứu này cũng tương đồng với kết quả trong nghiên cứu củaMinh et al (2015). Chỉ số NDRE luôn thấp hơn và có mối quan hệ thuận so với chỉ số NDVI tại mọi thời điểm ghi nhận dữ liệu như kết quả nghiên cứu của(Murata et al, 2016;Pipatsitee et al, 2020). Tuy nhiên, giá trị cực đại của chỉ số NDVI và NDRE của cây lúa trong vụ Đông Xuân cao hơn một ít so với giá trị này trong vụ Hè Thu.Hình 5.…”