<img height = "1" width = "1" style = "display: nessuno" src = "https://www.facebook.com/tr?id=1241806559960313&ev=pageview&noscript=1"/> Notizie: telerilevamento multispettrale UAV per monitorare la crescita del cotone

Remoto multispettrale UAV per monitorare la crescita del cotone

Il cotone come un importante raccolto in contanti e le materie prime dell'industria tessile di cotone, con l'aumento di aree densamente popolate, il problema del cotone, del grano e dei semi oleosi è sempre più grave, l'uso del cotone e del grano si interrompe può effettivamente alleviare la contraddizione tra la coltivazione di colture di cotone e grano, che può migliorare la produttività della coltura e la protezione della protezione ecologica e Pertanto, è di grande significato monitorare rapidamente e accuratamente la crescita del cotone in modalità intercropping.

UAV-Multispettral-Remote-sensing-to-Monitor-Cotton-Crowth-1

Immagini multispettrali e visibili di cotone in tre fasi di fertilità sono state acquisite da sensori multi-spettrali e RGB montati su UAV, sono state estratte le loro caratteristiche spettrali e dell'immagine e combinate con l'altezza delle piante di cotone sul terreno, la Spad di cotone è stata stimata per la regressione dell'apprendimento della regressione (VRE) e confrontato con tre modelli, Namely Regress) (GBR) e Support Vector Machine Regression (SVR). . Abbiamo valutato l'accuratezza della stima di diversi modelli di stima sul contenuto di clorofilla relativa del cotone e abbiamo analizzato gli effetti di diversi rapporti di intercropping tra cotone e soia sulla crescita del cotone, in modo da fornire una base per la selezione del rapporto di intercropping tra cotone e soia e la stima ad alta precisione.

Rispetto ai modelli RFR, GBR e SVR, il modello VRE ha mostrato i migliori risultati di stima nella stima dello spad di cotone. Sulla base del modello di stima VRE, il modello con caratteristiche di immagine multispettrale, caratteristiche dell'immagine visibile e fusione dell'altezza dell'impianto poiché gli ingressi avevano la massima precisione con set di test R2, RMSE e RPD di 0,916, 1.481 e 3,53, rispettivamente.

UAV-Multispettral-REMOTE-SENSING-a-Monitor-Cotton-Crowth-2

È stato dimostrato che la fusione di dati multi-source combinata con l'algoritmo di integrazione della regressione del voto fornisce un nuovo ed efficace metodo per la stima degli SPAD nel cotone.


Tempo post: DEC-03-2024

Lascia il tuo messaggio

Si prega di compilare i campi richiesti.