结合特征选择策略和特征融合策略,基于无人机多光谱图像的冬季小麦SPAD估计
Xiangxiang Su1, Ying Nian1, Hiba Shaghaleh2
1College of Resource and Environment, Anhui Science and Technology University, Fengyang, China.
Frontiers in plant science
|May 27, 2024
概括
精确的冬季小麦营养监测通过结合遥感特征选择和融合策略而得到改善. 这种方法增强了土壤植物分析发展 (SPAD) 估计,特别是在较晚的生长阶段,帮助精准农业.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物生理学作物生理学
背景情况:
- 土壤植物分析开发 (SPAD) 对于评估冬季小麦的营养和生殖状况至关重要.
- 准确的,非破坏性的SPAD监测对于精确的作物营养管理至关重要.
- 在较晚的生长阶段的光谱和限制了当前SPAD估计的准确性.
研究的目的:
- 通过优化遥感信息来提高冬季小麦SPAD估计的准确性.
- 使用特征融合策略集成多个特征特征.
- 为了克服晚期作物生长阶段的光谱和问题.
主要方法:
- 使用不同冬季小麦品种和处理的实地实验.
- 无人机的多光谱传感器可以在航向,开花和晚期填充阶段捕捉天花板图像.
- 特征选择 (Boruta,RFE) 和特征融合策略与支持矢量机器回归相结合.
主要成果:
- NIR和其他光谱带,以及红色和NIR纹理特征对SPAD敏感.
- 结合特征选择和融合策略,显著提高了SPAD模型的稳定性和准确性.
- 模型精度的提高在后期填充阶段最明显 (R2增加了0.092-0.202).
结论:
- 拟议的方法有效估计小麦的SPAD,特别是在后期的生长阶段.
- 这种方法为精确的营养管理提供了理论基础和技术支持.
- 通过选择和融合优化遥感数据是克服估计挑战的关键.
