Influencia de los efectos de retraso temporal entre la temperatura del dosel de trigo de invierno y la temperatura atmosférica en la precisión de la inversión del CWSI de los parámetros fotosintéticos
Autores: Wang, Yujin; Lu, Yule; Yang, Ning; Wang, Jiankun; Huang, Zugui; Chen, Junying; Zhang, Zhitao
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Influencia de los efectos de retraso temporal entre la temperatura del dosel de trigo de invierno y la temperatura atmosférica en la precisión de la inversión del CWSI de los parámetros fotosintéticos
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Temperatura del dosel
Temperatura atmosférica
Efectos de retraso en el tiempo
Inversión del CWSI
Parámetros fotosintéticos
Algoritmos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 14
Citaciones: Sin citaciones
Al calcular el CWSI, los investigadores anteriores generalmente utilizaron la temperatura del dosel y la temperatura atmosférica al mismo tiempo. Sin embargo, la temperatura del dosel (Tc) tarda un tiempo en responder a la temperatura atmosférica (Ta), lo que sugiere efectos de retraso temporal entre Ta y Tc. Para investigar los efectos de retraso temporal entre Ta y Tc en la precisión de la inversión del CWSI de los parámetros fotosintéticos en el trigo de invierno, realizamos un experimento. En este estudio, se establecieron cuatro tratamientos de humedad: T1 (95% de la capacidad de retención de agua del suelo), T2 (80% de la capacidad de retención de agua del suelo), T3 (65% de la capacidad de retención de agua del suelo) y T4 (50% de la capacidad de retención de agua del suelo). Cuantificamos el parámetro de retraso temporal en el trigo de invierno utilizando búsqueda de picos de retraso temporal, correlación cruzada de retraso temporal, información mutua de retraso temporal y análisis de correlación de retraso temporal gris. Basándonos en el parámetro de retraso temporal, modificamos los modelos teóricos y empíricos del CWSI y evaluamos el impacto de los efectos de retraso temporal en la precisión de la inversión del CWSI de los parámetros fotosintéticos. Finalmente, aplicamos varios algoritmos de aprendizaje automático para predecir la variación diaria en el CWSI después de la corrección por retraso temporal. Los resultados muestran que: (1) El parámetro de retraso temporal calculado utilizando búsqueda de picos de retraso temporal, correlación cruzada de retraso temporal, información mutua de retraso temporal y análisis de correlación de retraso temporal gris son 44-70, 32-44, 42-58 y 76-97 min, respectivamente. (2) El modelo empírico del CWSI corregido por el método de información mutua de retraso temporal tiene la mayor correlación con los parámetros fotosintéticos. (3) GA-SVM tiene la mayor precisión de predicción para el modelo empírico del CWSI corregido por el método de información mutua de retraso temporal. Considerar los efectos de retraso temporal entre Ta y Tc mejoró efectivamente la correlación entre el CWSI y los parámetros fotosintéticos, lo que puede proporcionar apoyo teórico para la teledetección infrarroja térmica para diagnosticar las condiciones de estrés hídrico en los cultivos.
Descripción
Al calcular el CWSI, los investigadores anteriores generalmente utilizaron la temperatura del dosel y la temperatura atmosférica al mismo tiempo. Sin embargo, la temperatura del dosel (Tc) tarda un tiempo en responder a la temperatura atmosférica (Ta), lo que sugiere efectos de retraso temporal entre Ta y Tc. Para investigar los efectos de retraso temporal entre Ta y Tc en la precisión de la inversión del CWSI de los parámetros fotosintéticos en el trigo de invierno, realizamos un experimento. En este estudio, se establecieron cuatro tratamientos de humedad: T1 (95% de la capacidad de retención de agua del suelo), T2 (80% de la capacidad de retención de agua del suelo), T3 (65% de la capacidad de retención de agua del suelo) y T4 (50% de la capacidad de retención de agua del suelo). Cuantificamos el parámetro de retraso temporal en el trigo de invierno utilizando búsqueda de picos de retraso temporal, correlación cruzada de retraso temporal, información mutua de retraso temporal y análisis de correlación de retraso temporal gris. Basándonos en el parámetro de retraso temporal, modificamos los modelos teóricos y empíricos del CWSI y evaluamos el impacto de los efectos de retraso temporal en la precisión de la inversión del CWSI de los parámetros fotosintéticos. Finalmente, aplicamos varios algoritmos de aprendizaje automático para predecir la variación diaria en el CWSI después de la corrección por retraso temporal. Los resultados muestran que: (1) El parámetro de retraso temporal calculado utilizando búsqueda de picos de retraso temporal, correlación cruzada de retraso temporal, información mutua de retraso temporal y análisis de correlación de retraso temporal gris son 44-70, 32-44, 42-58 y 76-97 min, respectivamente. (2) El modelo empírico del CWSI corregido por el método de información mutua de retraso temporal tiene la mayor correlación con los parámetros fotosintéticos. (3) GA-SVM tiene la mayor precisión de predicción para el modelo empírico del CWSI corregido por el método de información mutua de retraso temporal. Considerar los efectos de retraso temporal entre Ta y Tc mejoró efectivamente la correlación entre el CWSI y los parámetros fotosintéticos, lo que puede proporcionar apoyo teórico para la teledetección infrarroja térmica para diagnosticar las condiciones de estrés hídrico en los cultivos.