القطن كمحصول نقدي مهم والمواد الخام لصناعة المنسوجات القطنية، مع زيادة المناطق المكتظة بالسكان، أصبحت مشكلة المنافسة على أراضي محاصيل القطن والحبوب والبذور الزيتية أكثر خطورة، فإن استخدام القطن والمحاصيل البينية يمكن أن يخفف بشكل فعال من التناقض بين زراعة محاصيل القطن والحبوب، والتي يمكن أن تحسن إنتاجية المحصول وحماية التنوع البيئي وما إلى ذلك. لذلك، من الأهمية بمكان مراقبة نمو القطن بسرعة ودقة في ظل وضع الزراعة البينية.
تم الحصول على صور متعددة الأطياف والمرئية للقطن في ثلاث مراحل خصوبة بواسطة أجهزة استشعار متعددة الأطياف وRGB مثبتة على طائرات بدون طيار، وتم استخراج ميزاتها الطيفية والصورية، وتم دمجها مع ارتفاع نباتات القطن على الأرض، وتم الحصول على SPAD للقطن. تم تقديره من خلال التعلم المتكامل لانحدار التصويت (VRE) ومقارنته بثلاثة نماذج، وهي: انحدار الغابة العشوائي (RFR)، وانحدار الشجرة المعزز بالتدرج (GBR)، وانحدار آلة ناقل الدعم (SVR). . قمنا بتقييم دقة تقدير نماذج التقدير المختلفة على محتوى الكلوروفيل النسبي للقطن، وقمنا بتحليل تأثيرات النسب المختلفة للزراعة البينية بين القطن وفول الصويا على نمو القطن، وذلك لتوفير أساس لاختيار نسبة الزراعة البينية بين القطن وفول الصويا والتقدير عالي الدقة للقطن SPAD.
بالمقارنة مع نماذج RFR، GBR، وSVR، أظهر نموذج VRE أفضل نتائج التقدير في تقدير SPAD القطن. استنادًا إلى نموذج تقدير VRE، كان النموذج الذي يحتوي على ميزات الصورة متعددة الأطياف وميزات الصورة المرئية ودمج ارتفاع النبات كمدخلات يتمتع بأعلى دقة مع مجموعة الاختبار R2 وRMSE وRPD البالغة 0.916 و1.481 و3.53 على التوالي.
لقد تبين أن دمج البيانات متعددة المصادر مع خوارزمية تكامل انحدار التصويت يوفر طريقة جديدة وفعالة لتقدير SPAD في القطن.
وقت النشر: 03 ديسمبر 2024