基于无人机飞行器多谱图像的糖SPAD的遥感估计
Weishi Gao1, WanYing Zeng2, Sizhong Li1
1Institute of Economic Crops, Xinjiang Academy of Agricultural Sciences, Urumqi, China.
PloS one
|June 21, 2024
概括
无人机可以使用多光谱成像和机器学习准确估计甜菜树冠土壤植物分析开发 (SPAD). 支持矢量机 (SVM) 模型在不同的灌条件下在预测SPAD方面表现出很高的准确性.
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:
- 准确估计作物树冠土壤植物分析开发 (SPAD) 对于精准农业至关重要.
- 无人驾驶飞行器 (UAV) 平台为作物监测提供快速,实时的光谱数据采集.
- SPAD是植物状况和光合作用能力的关键指标.
研究的目的:
- 评估基于无人机的多光谱成像与机器学习相结合的潜力,用于预测甜菜树冠SPAD.
- 为了比较不同机器学习模型在正常和干旱压力条件下估计SPAD的性能.
- 评估高通量表型化预测模型的准确性和稳定性.
主要方法:
- 使用无人机获取糖甜菜的多光谱图像 (蓝色,绿色,红色,红色,Nir).
- 应用五种机器学习模型 (K-最近邻居,拉索,随机森林,RidgeCV,SVM) 进行SPAD预测.
- 在正常灌和干旱压力下使用地面测量数据验证模型.
主要成果:
- 与水有限条件相比,在正常灌中SPAD值更高.
- 一些植被指数与SPAD有显著的相关性 (最高R=0.60).
- SVM模型实现了高精度,R2值为0.635 (正常灌) 和0.609 (干旱压力),误差很低.
结论:
- 基于无人机的多光谱成像是有效的非破坏性估计的甜菜树冠SPAD.
- 该SVM模型展示了强大的性能和稳定性,用于SPAD预测.
- 这种方法有助于在甜菜研究中高效的高通量表型化.
