使用空中多式联络数据和机器学习算法,估计了法巴豆和豆收获指数
Yishan Ji1, Zehao Liu1, Yuxing Cui1
1National Key Facility for Crop Gene Resources and Genetic Improvement/Institute of Crop Sciences, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
Plant physiology
|November 7, 2023
概括
配备多模式传感器的无人机可以使用机器学习可靠地估计作物收获指数 (HI). 这种方法为准确农业的传统方法提供了更快,更准确的替代方案.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 机器学习 机器学习
背景情况:
- 传统的作物收获指数 (HI) 估计是劳动密集型和耗时的.
- 无人驾驶飞行器 (UAV) 为高效的HI评估提供了一个潜在的解决方案.
- 多模式传感器数据融合可以提高农业的遥感能力.
研究的目的:
- 探索使用低成本,基于无人机的多式联运数据 (RGB,MS,TIR) 来估计法巴豆和豆收获指数 (HI).
- 评估集合学习的有效性,特别是贝叶斯模型平均值,用于HI估计.
- 评估不同生长阶段对HI估计准确性的影响.
主要方法:
- 在四个增长阶段收集了基于无人机的RGB,多光谱 (MS) 和热红外 (TIR) 数据.
- 采用集体学习,包括贝叶斯模型平均化,用于HI估计.
- 对比了单个传感器和数据融合技术的性能.
主要成果:
- 与单个传感器相比,多传感器数据融合显著提高了HI估计的准确性.
- 整体贝叶斯模型平均值获得了最高的准确性 (豆豆:R2 = 0.64,NRMSE = 13.76%;豆豆:R2 = 0.74,NRMSE = 15.20%).
- 估计的准确性随着作物生长阶段的增加而增加.
结论:
- 将低成本的无人机多式联络数据与机器学习相结合,为作物HI估计提供了一种可靠的方法.
- 这种方法支持农业中的高空间精度,使育种者和现场管理人员能够早期和高效地做出决策.
- 该研究强调了一项有前途的战略,用于推进精准农业技术.
