ฝ้ายเป็นพืชเศรษฐกิจที่สำคัญและเป็นวัตถุดิบในอุตสาหกรรมสิ่งทอฝ้าย เมื่อพื้นที่ที่มีประชากรหนาแน่นขึ้น ปัญหาการแข่งขันที่ดินสำหรับพืชฝ้าย เมล็ดพืช และน้ำมันพืชก็รุนแรงมากขึ้น การใช้ฝ้ายและเมล็ดพืชร่วมกันสามารถบรรเทาความขัดแย้งระหว่างการปลูกฝ้ายและพืชเมล็ดพืชได้อย่างมีประสิทธิภาพ ซึ่งสามารถปรับปรุงผลผลิตของพืชผลและปกป้องความหลากหลายทางระบบนิเวศ เป็นต้น ดังนั้น การติดตามการเติบโตของฝ้ายในโหมดการปลูกพืชร่วมกันอย่างรวดเร็วและแม่นยำจึงมีความสำคัญอย่างยิ่ง
ภาพมัลติสเปกตรัมและภาพที่มองเห็นได้ของฝ้ายในสามระยะความอุดมสมบูรณ์ได้รับมาจากเซ็นเซอร์มัลติสเปกตรัมและ RGB ที่ติดตั้งบน UAV คุณลักษณะสเปกตรัมและภาพถูกสกัดออกมาและรวมกับความสูงของต้นฝ้ายบนพื้นดิน ค่า SPAD ของฝ้ายถูกประมาณโดยการเรียนรู้แบบบูรณาการการถดถอยแบบโหวต (VRE) และเปรียบเทียบกับสามโมเดล ได้แก่ การถดถอยของป่าสุ่ม (RFR) การถดถอยของต้นไม้แบบเพิ่มระดับความชัน (GBR) และการถดถอยของเครื่องจักรเวกเตอร์สนับสนุน (SVR) เราประเมินความแม่นยำในการประมาณค่าของโมเดลการประมาณค่าต่างๆ เกี่ยวกับปริมาณคลอโรฟิลล์สัมพันธ์ของฝ้าย และวิเคราะห์ผลกระทบของอัตราส่วนที่แตกต่างกันของการปลูกพืชแซมระหว่างฝ้ายและถั่วเหลืองต่อการเจริญเติบโตของฝ้าย เพื่อให้เป็นพื้นฐานสำหรับการเลือกอัตราส่วนของการปลูกพืชแซมระหว่างฝ้ายและถั่วเหลือง และการประมาณค่าความแม่นยำสูงของค่า SPAD ของฝ้าย
เมื่อเปรียบเทียบกับโมเดล RFR, GBR และ SVR โมเดล VRE แสดงผลการประมาณค่าที่ดีที่สุดในการประมาณค่า SPAD ของฝ้าย โดยอิงจากโมเดลการประมาณค่า VRE โมเดลที่มีคุณสมบัติของภาพมัลติสเปกตรัม คุณสมบัติภาพที่มองเห็นได้ และการหลอมรวมความสูงของต้นพืชเป็นอินพุตนั้นมีความแม่นยำสูงสุด โดยมีชุดทดสอบ R2, RMSE และ RPD ที่ 0.916, 1.481 และ 3.53 ตามลำดับ
งานวิจัยแสดงให้เห็นว่าการรวมข้อมูลหลายแหล่งร่วมกับอัลกอริธึมการรวมการถดถอยของการลงคะแนนเสียงถือเป็นวิธีการใหม่และมีประสิทธิภาพสำหรับการประมาณ SPAD ในฝ้าย
เวลาโพสต์: 03-12-2024