Estimación del contenido relativo de clorofila en hojas de arroz utilizando imágenes multiespectrales de vehículos aéreos no tripulados y análisis espectral-textural
Autores: Wang, Yuwei; Tan, Suiyan; Jia, Xingna; Qi, Long; Liu, Saisai; Lu, Henghui; Wang, Chengen; Liu, Weiwen; Zhao, Xu; He, Longxin; Chen, Jiongtao; Yang, Chuanyi; Wang, Xicheng; Chen, Jiaying; Qin, Yijuan; Yu, Jie; Ma, Xu
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Estimación del contenido relativo de clorofila en hojas de arroz utilizando imágenes multiespectrales de vehículos aéreos no tripulados y análisis espectral-textural
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Hoja
Contenido de clorofila
Valores SPAD
Cámaras multiespectrales
índices de vegetación
Información textural
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
El contenido de clorofila en las hojas es crucial para monitorear el crecimiento de las plantas y la capacidad fotosintética. Los valores del Desarrollo de Análisis de Suelo y Planta (SPAD) son ampliamente utilizados como un índice relativo de contenido de clorofila en encuestas agrícolas ecológicas y aplicaciones de teledetección de vegetación. Las cámaras multiespectrales son una alternativa rentable a las cámaras hiperespectrales para el monitoreo agrícola. Sin embargo, las bandas espectrales limitadas de las cámaras multiespectrales restringen el número de índices de vegetación (IVs) que se pueden sintetizar, lo que hace necesario explorar otras opciones para la estimación de SPAD. Este estudio evaluó el impacto de utilizar índices de textura (ITs) e IVs, solos o en combinación, para estimar los valores de SPAD del arroz durante diferentes etapas de crecimiento. Se adjuntó una cámara multiespectral a un vehículo aéreo no tripulado (UAV) para recopilar imágenes de teledetección del dosel de arroz, con mediciones manuales de SPAD tomadas inmediatamente después de cada vuelo. Se empleó el método de bosque aleatorio (RF) como método de regresión, y las métricas de evaluación incluyeron el coeficiente de determinación () y el error cuadrático medio (). El estudio encontró que la información textural extraída de las imágenes multiespectrales podía evaluar efectivamente los valores de SPAD del arroz. La construcción de ITs combinando dos valores de características texturales (TFVs) mejoró aún más la correlación de la información textural con SPAD. La utilización tanto de IVs como de ITs demostró un rendimiento superior en todas las etapas de crecimiento. El modelo funciona bien al estimar el SPAD del arroz en un experimento independiente en 2022, demostrando que el modelo tiene una buena capacidad de generalización. Los resultados sugieren que la incorporación de datos espectrales y texturales puede mejorar la precisión de la estimación de SPAD del arroz en todas las etapas de crecimiento, en comparación con el uso de datos espectrales solamente. Estos hallazgos son de gran importancia en los campos de la agricultura de precisión y la protección ambiental.
Descripción
El contenido de clorofila en las hojas es crucial para monitorear el crecimiento de las plantas y la capacidad fotosintética. Los valores del Desarrollo de Análisis de Suelo y Planta (SPAD) son ampliamente utilizados como un índice relativo de contenido de clorofila en encuestas agrícolas ecológicas y aplicaciones de teledetección de vegetación. Las cámaras multiespectrales son una alternativa rentable a las cámaras hiperespectrales para el monitoreo agrícola. Sin embargo, las bandas espectrales limitadas de las cámaras multiespectrales restringen el número de índices de vegetación (IVs) que se pueden sintetizar, lo que hace necesario explorar otras opciones para la estimación de SPAD. Este estudio evaluó el impacto de utilizar índices de textura (ITs) e IVs, solos o en combinación, para estimar los valores de SPAD del arroz durante diferentes etapas de crecimiento. Se adjuntó una cámara multiespectral a un vehículo aéreo no tripulado (UAV) para recopilar imágenes de teledetección del dosel de arroz, con mediciones manuales de SPAD tomadas inmediatamente después de cada vuelo. Se empleó el método de bosque aleatorio (RF) como método de regresión, y las métricas de evaluación incluyeron el coeficiente de determinación () y el error cuadrático medio (). El estudio encontró que la información textural extraída de las imágenes multiespectrales podía evaluar efectivamente los valores de SPAD del arroz. La construcción de ITs combinando dos valores de características texturales (TFVs) mejoró aún más la correlación de la información textural con SPAD. La utilización tanto de IVs como de ITs demostró un rendimiento superior en todas las etapas de crecimiento. El modelo funciona bien al estimar el SPAD del arroz en un experimento independiente en 2022, demostrando que el modelo tiene una buena capacidad de generalización. Los resultados sugieren que la incorporación de datos espectrales y texturales puede mejorar la precisión de la estimación de SPAD del arroz en todas las etapas de crecimiento, en comparación con el uso de datos espectrales solamente. Estos hallazgos son de gran importancia en los campos de la agricultura de precisión y la protección ambiental.