<img højde = "1" bredde = "1" style = "display: ingen" src = "https://www.facebook.com/tr?id=1241806559960313&ev=pageview&noscript=1"/>/> Nyheder - UAV multispektral fjernfølelse for at overvåge bomuldsvækst

UAV multispektral fjernmåling for at overvåge bomuldsvækst

Bomuld som en vigtig kontantafgrøde og bomuldstekstilindustri Råmaterialer, med stigningen i tæt befolkede områder, bomuld, korn- og oliefrø -afgrøder landkonkurrence er mere og mere alvorlig, kan brugen af ​​bomuld og korn intercropping effektivt lindre modsigelsen mellem dyrkning af bomuld og kornafgrøder, hvilket kan forbedre produktiviteten af ​​afkroppen og beskyttelsen af ​​økologisk mangfoldighed og således. Derfor er det af stor betydning at hurtigt og nøjagtigt overvåge væksten af ​​bomuld under intercropping -tilstand.

UAV-multispektral-remote-sensing-to-monitor-cotton-vækst-1

Multispektrale og synlige billeder af bomuld i tre fertilitetsstadier blev erhvervet af UAV-monterede flerspektrale og RGB-sensorer, deres spektrale og billedfunktioner blev ekstraheret og kombineret med højden af ​​bomuldsanlæg på jorden, spadet af bomuld blev estimeret ved at stemme regressionsintegreret læring (VRE) og sammenlignet med tre modeller, Namely, tilfældig skovregression (RFR), Gradient Boins Regression Integrated Learated (VRE) og sammenlignet med tre modeller, Namely, tilfældig skovregression (RFR), RFRS), Gradient Boins Regression Integrated Learated (VRE) og sammenlignet med tre modeller (GBR) og understøtter Vector Machine Regression (SVR). . Vi evaluerede estimeringsnøjagtigheden af ​​forskellige estimeringsmodeller på det relative chlorophyllindhold i bomuld og analyserede virkningerne af forskellige forhold mellem intercropping mellem bomuld og sojaban på vækst af bomuld for at give et grundlag for udvælgelsen af ​​forholdet mellem bomuld og sojabisk og højpræcisionsestimation af bomuldsspad.

Sammenlignet med RFR-, GBR- og SVR -modeller viste VRE -modellen de bedste estimeringsresultater i estimering af bomuldsspad. Baseret på VRE -estimeringsmodellen havde modellen med multispektrale billedfunktioner, synlige billedfunktioner og plantehøjdefusion som input den højeste nøjagtighed med testsæt R2, RMSE og RPD på henholdsvis 0,916, 1,481 og 3,53.

UAV-multispektral-remote-sensing-to-monitor-cotton-vækst-2

Det blev vist, at multi-source-datafusion kombineret med afstemning af regressionsintegrationsalgoritme giver en ny og effektiv metode til SPAD-estimering i bomuld.


Posttid: DEC-03-2024

Efterlad din besked

Udfyld venligst de krævede felter.