使用无人机衍生RGB图像提高玉米育种中的产量预测:一种新的分类集成回归方法

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:

• 准确的玉米产量预测对于粮食安全和农业优化至关重要.
• 无人机 (UAV) 衍生RGB图像为作物监测提供了一个有前途的工具.
• 将分类与回归整合起来,有可能改善产量估计模型.

研究的目的:

• 开发和评估一种新的分类综合回归方法,以提高玉米产量预测.
• 为了比较不同机器学习分类器 (SVM,DT,RF) 在产量数据分类方面的性能.
• 评估将产量分类与特定类别的回归模型相结合的有效性.

主要方法:

• 无人机产生的RGB图像被用来提取不同生长阶段的植被指数 (VI).
• 支持矢量机 (SVM) 被认为是将产量分为低,中,高等级的最佳分类器.
• 两种回归方法进行了比较:直接的随机森林 (RF) 回归和SVM分类,其次是类特定的RF回归.

主要成果:

• 早期的植物生长阶段显示出产量估计的最低预测误差.
• 分类综合回归方法 (方法2) 的表现明显优于直接回归方法 (方法1).
• 方法2在校准时减少了45.1%的根平均平方误差 (RMSE),在验证时减少了3.3%.

结论:

• 将分类 (SVM) 与回归 (RF) 结合起来,可以提高使用无人机数据预测玉米产量的精度.
• 这个综合框架为玉米育种计划和精准农业提供了一个可扩展的工具.
• 基于无人机的表型化具有提高农业生产率和支持全球粮食系统的巨大潜力.