Bavlna jakožto důležitá tržní plodina a surovina pro textilní průmysl v bavlně. S rostoucí hustotou osídlení se problém konkurence mezi bavlnou, obilovinami a olejninami stále více zhoršuje. Využívání meziplodin mezi bavlnou a obilovinami může účinně zmírnit rozpor mezi pěstováním bavlny a obilovin, což může zlepšit produktivitu plodiny a chránit ekologickou rozmanitost atd. Proto je velmi důležité rychle a přesně sledovat růst bavlny v meziplodinovém režimu.
Multispektrální a viditelné snímky bavlny ve třech fázích plodnosti byly pořízeny pomocí multispektrálních a RGB senzorů umístěných na bezpilotních letounech (UAV). Jejich spektrální a obrazové vlastnosti byly extrahovány a v kombinaci s výškou rostlin bavlny na zemi byl odhadnut SPAD bavlny pomocí integrovaného učení s hlasovací regresí (VRE) a porovnán se třemi modely, a to regresí náhodného lesa (RFR), regresí gradientního zesíleného stromu (GBR) a regresí support vector machine (SVR). Vyhodnotili jsme přesnost odhadu různých odhadovacích modelů relativního obsahu chlorofylu v bavlně a analyzovali vliv různých poměrů meziplodin mezi bavlnou a sójou na růst bavlny, abychom poskytli základ pro výběr poměru meziplodin mezi bavlnou a sójou a vysoce přesný odhad SPAD bavlny.
Ve srovnání s modely RFR, GBR a SVR vykázal model VRE nejlepší výsledky odhadu SPAD bavlny. Na základě odhadovacího modelu VRE měl model s multispektrálními obrazovými prvky, viditelnými obrazovými prvky a fúzí výšky rostlin jako vstupy nejvyšší přesnost s testovací sadou R2, RMSE a RPD 0,916, 1,481 a 3,53.
Bylo prokázáno, že fúze dat z více zdrojů v kombinaci s algoritmem integrace regresní hlasovací metody poskytuje novou a efektivní metodu pro odhad SPAD u bavlny.
Čas zveřejnění: 3. prosince 2024