പരുത്തി ഒരു പ്രധാന നാണ്യവിളയും പരുത്തി തുണി വ്യവസായ അസംസ്കൃത വസ്തുക്കളും, ജനസാന്ദ്രതയുള്ള പ്രദേശങ്ങളുടെ വർദ്ധനവ്, പരുത്തി, ധാന്യം, എണ്ണക്കുരു വിളകൾ എന്നിവ ഭൂമിയിലെ മത്സര പ്രശ്നം കൂടുതൽ ഗുരുതരമാണ്, പരുത്തിയുടെയും ധാന്യ ഇടവിളയുടെയും ഉപയോഗം ഇവ തമ്മിലുള്ള വൈരുദ്ധ്യം ഫലപ്രദമായി ലഘൂകരിക്കും. പരുത്തി, ധാന്യവിളകളുടെ കൃഷി, വിളയുടെ ഉൽപ്പാദനക്ഷമത മെച്ചപ്പെടുത്താനും പാരിസ്ഥിതിക വൈവിധ്യത്തിൻ്റെ സംരക്ഷണവും മറ്റും. അതിനാൽ, ഇടവിളയായി പരുത്തിയുടെ വളർച്ച വേഗത്തിലും കൃത്യമായും നിരീക്ഷിക്കേണ്ടത് വളരെ പ്രധാനമാണ്.
മൂന്ന് ഫെർട്ടിലിറ്റി ഘട്ടങ്ങളിലുള്ള പരുത്തിയുടെ മൾട്ടി-സ്പെക്ട്രൽ, ദൃശ്യ ചിത്രങ്ങൾ UAV-മൌണ്ട് ചെയ്ത മൾട്ടി-സ്പെക്ട്രൽ, RGB സെൻസറുകൾ, അവയുടെ സ്പെക്ട്രൽ, ഇമേജ് സവിശേഷതകൾ വേർതിരിച്ചെടുക്കുകയും നിലത്തെ പരുത്തി ചെടികളുടെ ഉയരവുമായി സംയോജിപ്പിക്കുകയും ചെയ്തു, പരുത്തിയുടെ SPAD വോട്ടിംഗ് റിഗ്രഷൻ ഇൻ്റഗ്രേറ്റഡ് ലേണിംഗ് (VRE) വഴി കണക്കാക്കുകയും മൂന്ന് മോഡലുകളുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യുന്നു, അതായത്, റാൻഡം ഫോറസ്റ്റ് റിഗ്രഷൻ (RFR), ഗ്രേഡിയൻ്റ് ബൂസ്റ്റഡ് ട്രീ റിഗ്രഷൻ (GBR), സപ്പോർട്ട് വെക്റ്റർ മെഷീൻ റിഗ്രഷൻ (SVR). . പരുത്തിയുടെ ആപേക്ഷിക ക്ലോറോഫിൽ ഉള്ളടക്കത്തെക്കുറിച്ചുള്ള വ്യത്യസ്ത എസ്റ്റിമേഷൻ മോഡലുകളുടെ എസ്റ്റിമേഷൻ കൃത്യത ഞങ്ങൾ വിലയിരുത്തി, പരുത്തിയും സോയാബീനും തമ്മിലുള്ള ഇടവിളകളുടെ വ്യത്യസ്ത അനുപാതങ്ങൾ പരുത്തിയുടെ വളർച്ചയിൽ ചെലുത്തുന്ന സ്വാധീനം വിശകലനം ചെയ്തു, അങ്ങനെ ഇടവിളകളുടെ അനുപാതം തിരഞ്ഞെടുക്കുന്നതിനുള്ള അടിസ്ഥാനം കോട്ടൺ, സോയാബീൻ എന്നിവയ്ക്കിടയിലും കോട്ടൺ SPAD-ൻ്റെ ഉയർന്ന കൃത്യതയുള്ള എസ്റ്റിമേഷനും.
RFR, GBR, SVR മോഡലുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, കോട്ടൺ SPAD കണക്കാക്കുന്നതിൽ VRE മോഡൽ മികച്ച എസ്റ്റിമേഷൻ ഫലങ്ങൾ കാണിച്ചു. വിആർഇ എസ്റ്റിമേഷൻ മോഡലിനെ അടിസ്ഥാനമാക്കി, മൾട്ടിസ്പെക്ട്രൽ ഇമേജ് സവിശേഷതകൾ, ദൃശ്യമായ ഇമേജ് സവിശേഷതകൾ, പ്ലാൻ്റ് ഉയരം ഫ്യൂഷൻ എന്നിവ ഇൻപുട്ടുകളായി ഉള്ള മോഡലിന് യഥാക്രമം 0.916, 1.481, 3.53 എന്നിങ്ങനെയുള്ള ടെസ്റ്റ് സെറ്റ് R2, RMSE, RPD എന്നിവയ്‌ക്കൊപ്പം ഉയർന്ന കൃത്യതയുണ്ട്.
മൾട്ടി-സോഴ്സ് ഡാറ്റാ ഫ്യൂഷൻ, വോട്ടിംഗ് റിഗ്രഷൻ ഇൻ്റഗ്രേഷൻ അൽഗോരിതം എന്നിവ പരുത്തിയിൽ SPAD എസ്റ്റിമേറ്റിനായി പുതിയതും ഫലപ്രദവുമായ ഒരു രീതി പ്രദാനം ചെയ്യുന്നുവെന്ന് കാണിച്ചു.
പോസ്റ്റ് സമയം: ഡിസംബർ-03-2024