使用无人机基于RGB和多光谱图像来估计菜的伤指数
Yiwen Liu1,2,3, Songtao Ban2,3, Shiwei Wei4
1College of Information Technology, Shanghai Ocean University, Shanghai, China.
Frontiers in plant science
|January 19, 2024
概括
评估生菜的伤害对于作物生产至关重要. 使用无人机图像的新遥感方法准确地估计了伤害,有助于识别耐寒的菜品种.
科学领域:
- 农业科学 农业科学
- 遥感技术 遥感技术 遥感技术
- 植物生理学 植物生理学
背景情况:
- 寒冷压力每年对生菜产量产生重大影响.
- 准确的伤损害评估对于确定生菜的耐受性至关重要.
- 开发有效的评估伤损害的方法对于农业的抗寒能力至关重要.
研究的目的:
- 提出一种高通量遥感方法,用于估计生菜的伤害指数 (FDI).
- 用皮尔森相关性分析来识别对伤害敏感的关键图像特征.
- 使用各种算法和数据源开发和比较伤害的预测模型.
主要方法:
- 使用无人机 (UAV) 平台捕捉红绿蓝 (RGB) 和多光谱图像的冰损坏的生菜.
- 应用Pearson相关性分析,从图像数据中识别出FDI敏感特征.
- 开发了使用多重线性回归,支持矢量机和神经网络算法的预测模型,考虑传感器类型和菜颜色组.
主要成果:
- 蓝色和红色频道的数字数字,光谱反射率 (蓝色,红色,近红外) 和植被指数 (VIs) 与外国直接投资有显著的相关性.
- 四个修改后的VI在所有菜群体中表现出对伤害的高度敏感性.
- 当结合多源特征时,模型准确性提高了3%~14%,绿色菜组的准确性更高.
- 在MULTISURCE-GREEN-NN模型中获得了最佳性能 (R2 = 0.715,RMSE = 0.014).
结论:
- 一种高通量遥感方法有效地估计了生菜伤害.
- 结合多源功能和利用菜颜色信息可以提高预测准确度.
- 开发的模型为冰损害调查提供了有效的工具,并支持繁殖耐寒的生菌体.
