La selección de características multinivel basada en UAV mejora la estimación del contenido de nitrógeno en el algodón de las regiones áridas | JoVE Visualize

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.