Rendimiento del modelo de apilamiento de aprendizaje automático y modelo de volumen para mejorar la predicción de la...

Área de la Ciencia:

• Ciencias Agrícolas
• Teledetección
• Ciencia de Datos

Sus antecedentes:

• La estimación precisa de la biomasa aérea (AGB) es vital para la gestión de cultivos.
• Los vehículos aéreos no tripulados (UAV) y el aprendizaje automático (ML) ofrecen métodos avanzados de predicción de AGB.
• Existe una investigación limitada sobre el rendimiento de estos métodos en diversas condiciones agrícolas.

Objetivo del estudio:

• Desarrollar y evaluar metodologías específicas para estimar la AGB del maíz bajo diversos tratamientos de fertilización y riego.
• Comparar el rendimiento de un modelo ML de ensamblaje de apilamiento con el Modelo de Volumen con Índice de Vegetación (CVM_VI).
• Proporcionar información sobre la optimización de las estrategias de predicción de AGB para diferentes etapas de crecimiento del cultivo.

Principales métodos:

• Se utilizaron datos LiDAR, multiespectrales (MS) e infrarrojos térmicos (TIR) de UAV.
• Se recopilaron datos medidos de AGB e Índice de Área Foliar (LAI) en diversas etapas de crecimiento.
• Se desarrolló un modelo de aprendizaje de ensamblaje de apilamiento que integra datos multifuente para la predicción de AGB.

Principales resultados:

• El modelo ML de ensamblaje de apilamiento logró una alta precisión de predicción (R² = 0.86, MAE = 1.54 t/ha, RMSE = 2.06 t/ha).
• CVM_VI demostró eficacia en la predicción de AGB de maíz en etapa temprana, pero disminuyó en precisión a medida que aumentaba la biomasa.
• Los modelos ML, mejorados por la fusión de datos, demostraron ser superiores para la predicción de AGB en etapas media y tardía.

Conclusiones:

• Se recomienda el enfoque ML con fusión de datos para la predicción de AGB de maíz en etapas media y tardía.
• CVM_VI es adecuado para la estimación de AGB en etapas tempranas, ofreciendo eficiencia computacional.
• Este estudio mejora la precisión y velocidad de predicción de AGB, ayudando a la toma de decisiones agrícolas.