Estimación del contenido relativo de agua en hojas de cítricos utilizando CWT combinado con bandas sensibles a la...

Área de la Ciencia:

• Teledetección agrícola
• Fisiología vegetal
• Espectroscopía

Sus antecedentes:

• El monitoreo preciso del contenido relativo de agua en hojas de cítricos (RWC) es crucial para optimizar el riego, mejorar la calidad de la fruta y aumentar el rendimiento.
• La tecnología hiperespectral ofrece potencial para el monitoreo de RWC, pero los desafíos como el ruido de los datos y el aliasing espectral reducen la precisión.
• El contenido de clorofila (LCC) también influye en los datos espectrales, lo que puede afectar la estimación de RWC.

Objetivo del estudio:

• Desarrollar un modelo de predicción óptimo para el RWC de hojas de cítricos utilizando datos hiperespectrales.
• Abordar los problemas de ruido y aliasing espectral en la cuantificación de RWC.
• Evaluar la efectividad de la transformada de wavelet continua (CWT) para la inversión de RWC.

Principales métodos:

• Se utilizaron datos hiperespectrales (401-2400 nm) de hojas de cítricos.
• Se aplicó la transformada de wavelet continua (CWT) para la descomposición multiescala para extraer características robustas al ruido.
• Se empleó el análisis de correlación de Pearson y el algoritmo de proyecciones sucesivas (SPA) para seleccionar bandas sensibles óptimas para RWC y LCC.
• Se desarrolló un modelo de regresión de mínimos parciales (PLSR) basado en las características seleccionadas.

Principales resultados:

• El preprocesamiento CWT mejoró significativamente la precisión de la estimación de RWC y LCC en comparación con los espectros originales (mejoras máximas: 6% y 3%).
• El modelo combinado CWT-SPA demostró una mayor precisión de inversión que los modelos que utilizan espectros originales.
• El modelo de fusión óptimo CWT-SPA, que integra las características de escala RWC Scale7 y LCC Scale5-2224/2308, logró R² = 0.756 y RMSE = 0.0214.

Conclusiones:

• El preprocesamiento CWT mejora la sensibilidad espectral a RWC y LCC en hojas de cítricos.
• El enfoque de fusión CWT-SPA reduce eficazmente el ruido espectral y la colinealidad, mejorando la precisión de la predicción de RWC.
• La integración de características multiescala de los rasgos espectrales de RWC y LCC proporciona un modelo robusto y estable para el monitoreo de la humedad de las hojas de cítricos.