UAVマルチスペクトルセンシングとデータ駆動型モデリングによる精密タマネギ収量予測

科学分野:

• 農業科学
• リモートセンシング
• 機械学習

背景:

• 精密農業は、無人航空機（UAV）支援リモートセンシングとモノのインターネット（IoT）、モノのすべて（IoE）の統合から恩恵を受けます。
• 作物の生育における時空間的な変動を捉えることは、農業実践を最適化するために不可欠です。
• UAVベースのマルチスペクトル画像は、作物の健康状態を監視し、収量を予測するための強力なツールを提供します。

研究 の 目的:

• UAVベースのマルチスペクトル画像を使用して、雨季のタマネギ作物の球根収量を予測すること。
• タマネギ収量予測のためのさまざまな機械学習アルゴリズムのパフォーマンスを評価すること。
• 収量モデリングにおけるマルチスペクトルデータから誘導される植生指数の有用性を評価すること。

主な方法:

• 主要な生育段階でのUAVからのキャノピー反射率モザイクの取得。
• NDVI、NDRE、SAVI、LAI、NORM2、GNDVIを含む植生指数（VI）の抽出。
• 10倍交差検証を使用した5つの機械学習アルゴリズム（線形回帰、ランダムフォレスト、サポートベクターマシン、勾配ブースティング、エラスティックネット回帰）による収量予測モデルの開発と評価。

主要な成果:

• ランダムフォレストは他のモデルよりも一貫して優れたパフォーマンスを発揮し、球根発達段階で高い精度を達成しました（検証R² = 0.755）。
• サポートベクターマシンも強力な予測能力を示しました（検証R² = 0.716）。
• モデルパフォーマンスの年次変動が観察され、2024年のデータでトレーニングされたモデルは2023年のデータよりも良好な結果を示しました。

結論:

• UAV由来のマルチスペクトルセンシングと機械学習の組み合わせは、信頼性の高いタマネギ収量予測のための効果的でスケーラブルなアプローチです。
• この方法論は、さまざまな農業条件における雨季のタマネギ作物の管理のためのタイムリーな意思決定支援を提供します。
• この研究は、現代農業における高度なリモートセンシングおよびAI技術の可能性を強調しています。