Katoen as 'n belangrike kontantgewas en katoentekstielbedryf-grondstof, met die toename van digbevolkte gebiede, word die grondkompetisie-probleem van katoen-, graan- en oliesaadgewasse al hoe ernstiger. Die gebruik van katoen- en graanverbouing kan die teenstrydigheid tussen die verbouing van katoen- en graangewasse effektief verlig, wat die produktiwiteit van die gewas en die beskerming van ekologiese diversiteit, ensovoorts, kan verbeter. Daarom is dit van groot belang om die groei van katoen onder tussenverbouing vinnig en akkuraat te monitor.
Multispektrale en sigbare beelde van katoen in drie vrugbaarheidsfases is verkry deur hommeltuig-gemonteerde multispektrale en RGB-sensors, hul spektrale en beeldkenmerke is onttrek, en gekombineer met die hoogte van katoenplante op die grond, is die SPAD van katoen geskat deur stemregressie-geïntegreerde leer (VRE) en vergelyk met drie modelle, naamlik Willekeurige Bosregressie (RFR), Gradiënt-Versterkte Boomregressie (GBR), en Ondersteuningsvektormasjienregressie (SVR). Ons het die skattingsakkuraatheid van verskillende skattingsmodelle op die relatiewe chlorofilinhoud van katoen geëvalueer, en die effekte van verskillende verhoudings van tussengroei tussen katoen en sojaboon op die groei van katoen geanaliseer, om sodoende 'n basis te verskaf vir die seleksie van die verhouding van tussengroei tussen katoen en sojaboon en die hoë-presisie skatting van katoen SPAD.
In vergelyking met RFR-, GBR- en SVR-modelle, het die VRE-model die beste skattingsresultate getoon in die skatting van katoen SPAD. Gebaseer op die VRE-skattingsmodel, het die model met multispektrale beeldkenmerke, sigbare beeldkenmerke en planthoogte-fusie as insette die hoogste akkuraatheid gehad met toetsstel R2, RMSE en RPD van onderskeidelik 0.916, 1.481 en 3.53.
Daar is getoon dat multi-bron data-fusie gekombineer met stemregressie-integrasie-algoritme 'n nuwe en effektiewe metode vir SPAD-beraming in katoen bied.
Plasingstyd: 3 Desember 2024