Kapas sebagai tanaman komersial yang penting dan bahan baku industri tekstil kapas, dengan bertambahnya wilayah padat penduduk, masalah persaingan lahan tanaman kapas, biji-bijian dan minyak biji-bijian menjadi semakin serius, penggunaan tumpang sari kapas dan biji-bijian dapat secara efektif mengurangi kontradiksi antara keduanya. budidaya tanaman kapas dan biji-bijian, yang dapat meningkatkan produktivitas tanaman dan melindungi keanekaragaman ekologi dan sebagainya. Oleh karena itu, sangatlah penting untuk memantau pertumbuhan kapas dengan cepat dan akurat dalam mode tumpang sari.
Gambar kapas multi-spektral dan terlihat pada tiga tahap kesuburan diperoleh dengan sensor multi-spektral dan RGB yang dipasang di UAV, fitur spektral dan gambarnya diekstraksi, dan dikombinasikan dengan ketinggian tanaman kapas di tanah, SPAD kapas diperoleh. diperkirakan dengan pembelajaran terpadu regresi voting (VRE) dan dibandingkan dengan tiga model yaitu Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR), dan Support Vector Machine Regression (SVR). . Kami mengevaluasi keakuratan estimasi model estimasi yang berbeda pada kandungan klorofil relatif kapas, dan menganalisis pengaruh rasio tumpangsari yang berbeda antara kapas dan kedelai terhadap pertumbuhan kapas, sehingga dapat memberikan dasar untuk pemilihan rasio tumpangsari. antara kapas dan kedelai dan estimasi SPAD kapas dengan presisi tinggi.
Dibandingkan dengan model RFR, GBR, dan SVR, model VRE menunjukkan hasil estimasi terbaik dalam mengestimasi kapas SPAD. Berdasarkan model estimasi VRE, model dengan masukan fitur citra multispektral, fitur citra tampak, dan fusi tinggi tanaman memiliki akurasi tertinggi dengan set uji R2, RMSE, dan RPD masing-masing sebesar 0,916, 1,481, dan 3,53.
Hal ini menunjukkan bahwa penggabungan data multi-sumber yang dikombinasikan dengan algoritma integrasi regresi pemungutan suara memberikan metode baru dan efektif untuk estimasi SPAD pada kapas.
Waktu posting: 03 Des-2024