多功能融合用于通过无人机遥感来估计土豆的地面生物质
Guolan Xian1, Jiangang Liu1, Yongxin Lin1,2
1State Key Laboratory of Vegetable Biobreeding, Institute of Vegetables and Flowers, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
Plants (Basel, Switzerland)
|December 17, 2024
概括
准确的土豆地表生物量 (AGB) 估计对于作物监测至关重要. 无人驾驶飞行器 (UAV) 遥感,结合机器学习和多功能融合,为跨增长阶段和条件的精确AGB评估提供了一种有效的方法.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 数据科学数据科学数据科学
背景情况:
- 准确监测地表生物质 (AGB) 对作物生长状态,产量预测和碳动态至关重要.
- 对于AGB来说,传统的破坏性采样是耗时和费力的.
- 无人驾驶飞行器 (UAV) 遥感为生物质估计提供了及时有效的替代方案.
研究的目的:
- 评估无人机遥感检索模型的普遍性,使用多功能融合在不同的管理实践和土豆品种下.
- 整合光谱,纹理,结构特征和土豆AGB估计的农业气象参数.
- 为了比较六个高级建模算法的AGB估计的性能.
主要方法:
- 使用无人机多光谱和RGB成像提取的光谱,纹理和结构特征.
- 综合农业气象参数,包括一种新的品种依赖指标,生长过程比率 (GPR).
- 采用了六个机器学习算法 (RF,PLSR,MLR,SLR,RR,LR) 来评估AGB估计能力.
主要成果:
- 提出的增长过程比率 (GPR) 将模型准确度提高了20%以上.
- 与单个特征相比,植被指数,树冠覆盖,生长度日和GPR的融合显著提高了AGB估计的准确性.
- 随机森林 (RF) 模型表现出卓越的性能,在整个生长期的AGB估计中,实现了0.79的R2和0.24/ha的rRMSE.
结论:
- 多功能融合与机器学习算法相结合,为估计土豆AGB.提供了一个强大的策略.
- 这种方法在不同的管理实践和品种中是有效的,可以在精细的地块规模上进行准确的AGB评估.
- 该研究突出了全面作物监测的潜在和有用的表型化策略.
