Utilizando la teledetección multiespectral UAV con la resolución espacial adecuada y el aprendizaje automático para monitorear la roya del trigo
Autores: Zhu, Wenjing; Feng, Zhankang; Dai, Shiyuan; Zhang, Pingping; Wei, Xinhua
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Utilizando la teledetección multiespectral UAV con la resolución espacial adecuada y el aprendizaje automático para monitorear la roya del trigo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Trigo
UAV
Cámara multiespectral
Resolución espacial
índice de enfermedades
Modelo de monitoreo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Este estudio tomó el trigo cultivado en el área experimental de la Academia de Ciencias Agrícolas de Jiangsu como objeto de investigación y utilizó un vehículo aéreo no tripulado (UAV) para transportar la cámara multiespectral Rededge-MX para obtener la imagen de la roya del trigo con diferentes resoluciones espaciales (1,44 cm, 2,11 cm, 3,47 cm, 4,96 cm, 6,34 cm y 7,67 cm). Los índices de vegetación (VIs) y las características de textura (TFs) extraídas de la imagen multiespectral del UAV fueron seleccionados por su alta correlación con el índice de enfermedad (DI) para investigar el impacto de la resolución espacial en la precisión del monitoreo multiespectral de la roya del trigo por UAV. Finalmente, se determinó que la mejor resolución espacial para el monitoreo multiespectral de la roya del trigo por UAV fue de 3,47 cm, y luego, basándose en la imagen de mejor resolución de 3,47 cm, se utilizaron VIs y TFs como variables de entrada, y se emplearon tres algoritmos de regresión de mínimos cuadrados parciales (PLSR), regresión de máquina de vectores de soporte (SVR) y red neuronal de propagación hacia atrás (BPNN) para establecer modelos de monitoreo de la roya del trigo. Los resultados demostraron que el modelo de fusión de VIs y TFs era más apropiado para monitorear la roya del trigo mediante teledetección UAV y presentaba una mejor precisión de ajuste y monitoreo que el modelo de monitoreo de una sola fuente de datos durante el período de llenado del trigo. El algoritmo SVR tuvo el mejor efecto de monitoreo en el modelo de fusión de datos de múltiples fuentes (VIs y TFs). El conjunto de entrenamiento se identificó como 0,81, 4,27 y 1,88 para el coeficiente de determinación (R), el error cuadrático medio (RMSE) y la desviación porcentual relativa (RPD). El conjunto de verificación se identificó como 0,83, 3,35 y 2,72 para R, RMSE y RPD. En conclusión, los resultados de este estudio proporcionan un esquema para las enfermedades de los cultivos de campo en el área de monitoreo de UAV, especialmente para la clasificación y aplicación variable de las royas del trigo mediante monitoreo de teledetección cercana a la Tierra.
Descripción
Este estudio tomó el trigo cultivado en el área experimental de la Academia de Ciencias Agrícolas de Jiangsu como objeto de investigación y utilizó un vehículo aéreo no tripulado (UAV) para transportar la cámara multiespectral Rededge-MX para obtener la imagen de la roya del trigo con diferentes resoluciones espaciales (1,44 cm, 2,11 cm, 3,47 cm, 4,96 cm, 6,34 cm y 7,67 cm). Los índices de vegetación (VIs) y las características de textura (TFs) extraídas de la imagen multiespectral del UAV fueron seleccionados por su alta correlación con el índice de enfermedad (DI) para investigar el impacto de la resolución espacial en la precisión del monitoreo multiespectral de la roya del trigo por UAV. Finalmente, se determinó que la mejor resolución espacial para el monitoreo multiespectral de la roya del trigo por UAV fue de 3,47 cm, y luego, basándose en la imagen de mejor resolución de 3,47 cm, se utilizaron VIs y TFs como variables de entrada, y se emplearon tres algoritmos de regresión de mínimos cuadrados parciales (PLSR), regresión de máquina de vectores de soporte (SVR) y red neuronal de propagación hacia atrás (BPNN) para establecer modelos de monitoreo de la roya del trigo. Los resultados demostraron que el modelo de fusión de VIs y TFs era más apropiado para monitorear la roya del trigo mediante teledetección UAV y presentaba una mejor precisión de ajuste y monitoreo que el modelo de monitoreo de una sola fuente de datos durante el período de llenado del trigo. El algoritmo SVR tuvo el mejor efecto de monitoreo en el modelo de fusión de datos de múltiples fuentes (VIs y TFs). El conjunto de entrenamiento se identificó como 0,81, 4,27 y 1,88 para el coeficiente de determinación (R), el error cuadrático medio (RMSE) y la desviación porcentual relativa (RPD). El conjunto de verificación se identificó como 0,83, 3,35 y 2,72 para R, RMSE y RPD. En conclusión, los resultados de este estudio proporcionan un esquema para las enfermedades de los cultivos de campo en el área de monitoreo de UAV, especialmente para la clasificación y aplicación variable de las royas del trigo mediante monitoreo de teledetección cercana a la Tierra.