綿花は重要な換金作物であり、綿織物産業の原料でもあります。人口密集地域の拡大に伴い、綿花、穀物、油糧種子の土地競争問題はますます深刻化しています。綿花と穀物の混作は、綿花と穀物の栽培における矛盾を効果的に緩和し、作物の生産性向上や生態系の多様性保護などに寄与します。そのため、混作モードにおける綿花の生育を迅速かつ正確に監視することは非常に重要です。
UAVに搭載されたマルチスペクトルおよびRGBセンサーにより、3つの稔性段階にある綿花のマルチスペクトルおよび可視画像を取得し、そのスペクトルおよび画像特徴を抽出し、地上の綿花の高さと組み合わせて、投票回帰統合学習（VRE）によって綿花のSPADを推定し、ランダムフォレスト回帰（RFR）、勾配ブースティングツリー回帰（GBR）、サポートベクターマシン回帰（SVR）の3つのモデルと比較しました。 。綿花の相対クロロフィル含有量に対するさまざまな推定モデルの推定精度を評価し、綿花と大豆の異なる混作比率が綿花の成長に及ぼす影響を分析し、綿花と大豆の混作比率の選択と綿花SPADの高精度推定の基礎を提供しました。
RFR、GBR、SVRモデルと比較した結果、VREモデルは綿花SPADの推定において最も優れた推定結果を示しました。VRE推定モデルに基づき、マルチスペクトル画像特徴、可視画像特徴、および植物高融合を入力としたモデルは、テストセットR2、RMSE、RPDがそれぞれ0.916、1.481、3.53となり、最も高い精度を示しました。
投票回帰統合アルゴリズムと組み合わせたマルチソースデータ融合は、綿花における SPAD 推定のための新しい効果的な方法を提供することが示されました。
投稿日時: 2024年12月3日