评估德克萨斯州受黄龙影响的果的黄龙严重程度和树冠参数,使用无人机空中系统远程传感和机器学习

科学领域:

• 农业科学 农业科学
• 遥感技术 遥感技术 遥感技术
• 植物病理学 植物病理学

背景情况:

• 黄龙 (HLB) 或绿病是一种严重的病,目前没有治愈方法.
• 正在探索在特殊当地需要标签下用于HLB管理的抗微生物干注射,如氧基环素 (OTC).

研究的目的:

• 通过基于无人飞机系统 (UAS) 的遥感,评估德克萨斯州受HLB影响的类树上OTC治疗的疗效.
• 为了区分HLB的严重程度,并评估类树冠的健康状况.
• 为了利用UAS衍生的功能和机器学习来对HLB严重程度进行分类.

主要方法:

• 基于UAS的遥感被用来收集HLB受影响的类树的数据.
• 分析了各种基于UAS的植被指数 (VI) 和特征,包括红边叶绿素指数 (CI) 和树冠覆盖 (CC).
• 机器学习算法,如随机森林和eXtreme梯度提升,用于HLB严重性分类,集成VI和纹理特征 (TF).

主要成果:

• 基于UAS的VI没有足够区分OTC治疗对HLB受影响果的影响.
• 特定的UAS特征,特别是CI和CC,有效地区分了HLB严重程度和树冠参数.
• 在经过测试的机器学习模型中,VI和TF的组合在HLB严重性分类中产生了最高的准确性.

结论:

• 基于UAS的遥感,特别是特定的光谱和纹理特征,对于评估类植物的HLB严重程度具有重大潜力.
• 虽然VI本身是有限的,但将它们与纹理特征集成并使用先进的机器学习算法可以提高分类准确性.
• 这种方法为监测和管理受影响果园的HLB提供了有价值的工具.