La selección de características multinivel basada en UAV mejora la estimación del contenido de nitrógeno en el...

Área de la Ciencia:

• Ciencias Agrícolas
• Detección remota
• Ciencia de los datos

Sus antecedentes:

• El nitrógeno es crucial para el rendimiento del algodón y la calidad de la fibra.
• Estimar la concentración de nitrógeno de la planta de algodón (PNC) a partir de imágenes de UAV es un desafío debido a los datos complejos y redundantes de detección remota.
• Esto limita la precisión y la transferibilidad del modelo para la agricultura de precisión.

Objetivo del estudio:

• Desarrollar un método preciso y transferible para estimar el PNC de algodón utilizando datos de teledetección de UAV.
• Identificar algoritmos óptimos de aprendizaje automático y características espectrales críticas para la estimación del PNC.
• Proporcionar orientaciones para la gestión de nitrógeno de precisión en la producción de algodón.

Principales métodos:

• Se utilizó un esquema jerárquico de selección de características que combina Elastic Net y Boruta-SHAP para reducir la dimensionalidad de los datos.
• Se evaluaron seis algoritmos de aprendizaje automático por su rendimiento en la estimación del PNC de algodón.
• Las observaciones de campo se utilizaron para validar los resultados del modelo y evaluar la dinámica del nitrógeno.

Principales resultados:

• Cinco características críticas de teledetección (Mean_B, Mean_R, NDRE_GOSAVI, NDVI, GRVI) mejoraron significativamente el rendimiento del modelo.
• El algoritmo forestal aleatorio demostró un rendimiento superior con valores de R2 de 0.97-0.98 y RMSE de 0.05-0.08.
• El PNC del algodón disminuyó a lo largo del desarrollo, con un riego óptimo y una fertilización con nitrógeno que mantuvo niveles más altos.

Conclusiones:

• El estudio mejoró con éxito la precisión y la transferibilidad de la estimación del PNC de algodón a partir de imágenes de UAV.
• Los resultados apoyan el uso de bosques aleatorios e índices espectrales seleccionados para el manejo de nitrógeno de precisión.
• Esta investigación ofrece orientación práctica para optimizar la producción de algodón en entornos áridos a través de estrategias de nitrógeno basadas en datos.