Estimación del contenido relativo de clorofila en trigo de primavera basada en percepción remota UAV multitemporal
Autores: Wu, Qiang; Zhang, Yongping; Zhao, Zhiwei; Xie, Min; Hou, Dingyi
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Estimación del contenido relativo de clorofila en trigo de primavera basada en percepción remota UAV multitemporal
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Contenido de clorofila
Valores SPAD
Fertilización nitrogenada
Etapa de espigado del trigo
Imágenes multiespectrales
Algoritmos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
El contenido relativo de clorofila (SPAD) es un índice importante para caracterizar el estado de nutrientes de nitrógeno de las plantas. La estimación continua, rápida, no destructiva y precisa de los valores de SPAD en trigo después de la etapa de espigado puede impactar positivamente en las estrategias de manejo de la fertilización nitrogenada posterior, que regulan el llenado de granos y la formación de la calidad del rendimiento. En este estudio, la estimación de SPAD del contenido relativo de clorofila de la hoja en trigo de primavera se llevó a cabo en la base experimental en el condado de Wuyuan, Mongolia Interior en 2021. Se adquirieron imágenes multiespectrales de diferentes niveles de aplicación de nitrógeno a los 7, 14, 21 y 28 días después de la etapa de espigado del trigo con el UAV DJI P4M. Se construyeron un total de 26 índices de vegetación multiespectrales y al mismo tiempo se obtuvieron los valores de SPAD medidos de trigo en el suelo utilizando un medidor de clorofila portátil. Se utilizaron cuatro algoritmos de aprendizaje automático, incluidas redes neuronales profundas (DNN), mínimos cuadrados parciales (PLS), bosques aleatorios (RF) y Adaptive Boosting (Ada) para construir modelos de estimación de valores de SPAD en diferentes momentos desde las etapas de crecimiento del espigado. El progreso del modelo fue evaluado por el coeficiente de determinación (R), el error cuadrático medio (RMSE) y el error absoluto medio (MAPE). Los resultados mostraron que los modelos óptimos de estimación de valores de SPAD para diferentes períodos de etapas independientes de crecimiento reproductivo del trigo eran diferentes, con PLS como el modelo de estimación óptimo a los 7 y 14 días después del espigado, RF como el modelo de estimación óptimo a los 21 días después del espigado y Ada como el modelo de estimación óptimo a los 28 días después del espigado. La mayor precisión se logró utilizando el modelo PLS para estimar los valores de SPAD a los 14 días después del espigado (R del conjunto de entrenamiento = 0.767, RMSE = 3.205, MAPE = 0.060, y R = 0.878, RMSE = 2.405, MAPE = 0.045 para el conjunto de pruebas). El análisis combinado concluyó que seleccionar múltiples índices de vegetación como variables de entrada del modelo a los 14 días después de la etapa de espigado y utilizar el modelo PLS puede mejorar significativamente la precisión de la estimación de valores de SPAD, proporcionando un nuevo apoyo técnico para el monitoreo rápido y preciso de los valores de SPAD en trigo de primavera.
Descripción
El contenido relativo de clorofila (SPAD) es un índice importante para caracterizar el estado de nutrientes de nitrógeno de las plantas. La estimación continua, rápida, no destructiva y precisa de los valores de SPAD en trigo después de la etapa de espigado puede impactar positivamente en las estrategias de manejo de la fertilización nitrogenada posterior, que regulan el llenado de granos y la formación de la calidad del rendimiento. En este estudio, la estimación de SPAD del contenido relativo de clorofila de la hoja en trigo de primavera se llevó a cabo en la base experimental en el condado de Wuyuan, Mongolia Interior en 2021. Se adquirieron imágenes multiespectrales de diferentes niveles de aplicación de nitrógeno a los 7, 14, 21 y 28 días después de la etapa de espigado del trigo con el UAV DJI P4M. Se construyeron un total de 26 índices de vegetación multiespectrales y al mismo tiempo se obtuvieron los valores de SPAD medidos de trigo en el suelo utilizando un medidor de clorofila portátil. Se utilizaron cuatro algoritmos de aprendizaje automático, incluidas redes neuronales profundas (DNN), mínimos cuadrados parciales (PLS), bosques aleatorios (RF) y Adaptive Boosting (Ada) para construir modelos de estimación de valores de SPAD en diferentes momentos desde las etapas de crecimiento del espigado. El progreso del modelo fue evaluado por el coeficiente de determinación (R), el error cuadrático medio (RMSE) y el error absoluto medio (MAPE). Los resultados mostraron que los modelos óptimos de estimación de valores de SPAD para diferentes períodos de etapas independientes de crecimiento reproductivo del trigo eran diferentes, con PLS como el modelo de estimación óptimo a los 7 y 14 días después del espigado, RF como el modelo de estimación óptimo a los 21 días después del espigado y Ada como el modelo de estimación óptimo a los 28 días después del espigado. La mayor precisión se logró utilizando el modelo PLS para estimar los valores de SPAD a los 14 días después del espigado (R del conjunto de entrenamiento = 0.767, RMSE = 3.205, MAPE = 0.060, y R = 0.878, RMSE = 2.405, MAPE = 0.045 para el conjunto de pruebas). El análisis combinado concluyó que seleccionar múltiples índices de vegetación como variables de entrada del modelo a los 14 días después de la etapa de espigado y utilizar el modelo PLS puede mejorar significativamente la precisión de la estimación de valores de SPAD, proporcionando un nuevo apoyo técnico para el monitoreo rápido y preciso de los valores de SPAD en trigo de primavera.