Kapas sebagai tanaman ekspor penting dan bahan baku industri tekstil kapas. Seiring dengan meningkatnya kepadatan penduduk, persaingan lahan untuk tanaman kapas, biji-bijian, dan minyak nabati semakin serius. Penggunaan sistem tumpang sari kapas dan biji-bijian dapat secara efektif mengurangi kontradiksi antara budidaya kapas dan biji-bijian, yang dapat meningkatkan produktivitas tanaman dan melindungi keanekaragaman hayati. Oleh karena itu, pemantauan pertumbuhan kapas secara cepat dan akurat dalam sistem tumpang sari sangatlah penting.
Citra multispektral dan tampak kapas pada tiga tingkat kesuburan diperoleh dengan sensor multispektral dan RGB yang dipasang pada UAV, fitur spektral dan citranya diekstraksi, dan dikombinasikan dengan tinggi tanaman kapas di tanah, SPAD kapas diperkirakan dengan pembelajaran terpadu regresi pemungutan suara (VRE) dan dibandingkan dengan tiga model, yaitu, Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR), dan Support Vector Machine Regression (SVR). . Kami mengevaluasi akurasi estimasi berbagai model estimasi pada kandungan klorofil relatif kapas, dan menganalisis pengaruh berbagai rasio tumpang sari antara kapas dan kedelai terhadap pertumbuhan kapas, sehingga dapat memberikan dasar untuk pemilihan rasio tumpang sari 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 estimasi SPAD kapas. Berdasarkan model estimasi VRE, model dengan fitur citra multispektral, fitur citra tampak, dan fusi tinggi tanaman sebagai input memiliki akurasi tertinggi dengan set uji R2, RMSE, dan RPD masing-masing sebesar 0,916, 1,481, dan 3,53.
Ditunjukkan bahwa fusi 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