Efectos de la Resolución Espacial de las Imágenes de UAV en la Predicción y Transferibilidad del Modelo de Contenido de Nitrógeno para el Trigo de Invierno
Autores: Guo, Yan; He, Jia; Huang, Jingyi; Jing, Yuhang; Xu, Shaobo; Wang, Laigang; Li, Shimin; Zheng, Guoqing
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Efectos de la Resolución Espacial de las Imágenes de UAV en la Predicción y Transferibilidad del Modelo de Contenido de Nitrógeno para el Trigo de Invierno
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Imágenes de UAV
Resolución espacial
Contenido de nitrógeno
Imágenes multiespectrales
Modelo de predicción
Selección de características
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La imagenología UAV proporciona una herramienta eficiente y no destructiva para caracterizar la información agrícola, pero la calidad del modelo UAV a menudo se ve afectada por la resolución espacial de la imagen. En este artículo, se evaluó la predictibilidad de los modelos establecidos utilizando imágenes multiespectrales UAV con diferentes resoluciones espaciales para el contenido de nitrógeno del trigo de invierno durante las etapas críticas de crecimiento del trigo de invierno en el período 2021-2022. Se realizó una selección de características basada en la reflectancia de la imagen UAV, índices de vegetación y textura utilizando el muestreo adaptativo competitivo reponderado, y se utilizó el método de aprendizaje automático de bosque aleatorio para construir el modelo de predicción con las características optimizadas. Los resultados mostraron que el rendimiento del modelo aumentó con la disminución de la resolución espacial de la imagen con un R2, un RMSE, un MAE y un RPD de 0.84, 4.57 g m-2, 2.50 g m-2 y 2.34 (imagen de resolución espacial de 0.01 m), 0.86, 4.15 g m-2, 2.82 g m-2 y 2.65 (0.02 m), y 0.92, 3.17 g m-2, 2.45 g m-2 y 2.86 (0.05 m), respectivamente. Además, la transferibilidad de los modelos difería al aplicarse a imágenes con resoluciones más gruesas (escalado hacia arriba) o más finas (escalado hacia abajo). Para el escalado hacia arriba, el modelo establecido con las imágenes de 0.01 m tuvo un R2 de 0.84 y 0.89 al aplicarse a imágenes con resoluciones de 0.02 m y 0.05 m, respectivamente. Para el escalado hacia abajo, el modelo establecido con las características de la imagen de 0.05 m tuvo un R2 de 0.86 y 0.83 al aplicarse a imágenes de 0.01 m y 0.02 m. Aunque la resolución espacial de la imagen afecta más las características de textura de la imagen que las características espectrales y los efectos de la resolución espacial de la imagen sobre el rendimiento del modelo y la transferibilidad disminuyen con el aumento de la humedad de la planta bajo tratamiento de riego, se puede concluir que todas las imágenes UAV adquiridas en este estudio con diferentes resoluciones podrían lograr buenas predicciones y transferibilidad del contenido de nitrógeno de las plantas de trigo de invierno.
Descripción
La imagenología UAV proporciona una herramienta eficiente y no destructiva para caracterizar la información agrícola, pero la calidad del modelo UAV a menudo se ve afectada por la resolución espacial de la imagen. En este artículo, se evaluó la predictibilidad de los modelos establecidos utilizando imágenes multiespectrales UAV con diferentes resoluciones espaciales para el contenido de nitrógeno del trigo de invierno durante las etapas críticas de crecimiento del trigo de invierno en el período 2021-2022. Se realizó una selección de características basada en la reflectancia de la imagen UAV, índices de vegetación y textura utilizando el muestreo adaptativo competitivo reponderado, y se utilizó el método de aprendizaje automático de bosque aleatorio para construir el modelo de predicción con las características optimizadas. Los resultados mostraron que el rendimiento del modelo aumentó con la disminución de la resolución espacial de la imagen con un R2, un RMSE, un MAE y un RPD de 0.84, 4.57 g m-2, 2.50 g m-2 y 2.34 (imagen de resolución espacial de 0.01 m), 0.86, 4.15 g m-2, 2.82 g m-2 y 2.65 (0.02 m), y 0.92, 3.17 g m-2, 2.45 g m-2 y 2.86 (0.05 m), respectivamente. Además, la transferibilidad de los modelos difería al aplicarse a imágenes con resoluciones más gruesas (escalado hacia arriba) o más finas (escalado hacia abajo). Para el escalado hacia arriba, el modelo establecido con las imágenes de 0.01 m tuvo un R2 de 0.84 y 0.89 al aplicarse a imágenes con resoluciones de 0.02 m y 0.05 m, respectivamente. Para el escalado hacia abajo, el modelo establecido con las características de la imagen de 0.05 m tuvo un R2 de 0.86 y 0.83 al aplicarse a imágenes de 0.01 m y 0.02 m. Aunque la resolución espacial de la imagen afecta más las características de textura de la imagen que las características espectrales y los efectos de la resolución espacial de la imagen sobre el rendimiento del modelo y la transferibilidad disminuyen con el aumento de la humedad de la planta bajo tratamiento de riego, se puede concluir que todas las imágenes UAV adquiridas en este estudio con diferentes resoluciones podrían lograr buenas predicciones y transferibilidad del contenido de nitrógeno de las plantas de trigo de invierno.