Мақта маңызды қолма-қол дақыл және мақта тоқыма өнеркәсібінің шикізаты ретінде, тығыз қоныстанған аудандардың ұлғаюымен мақта, дәнді және майлы дақылдардың жер бәсекелестігі барған сайын күрделі мәселе болып табылады, мақта және астық аралық егістерді пайдалану өзара қайшылықты тиімді түрде жеңілдетеді. мақта және дәнді дақылдарды өсіру, бұл дақылдың өнімділігін арттыруға және экологиялық әртүрлілікті қорғауға және т.б. Сондықтан дақыл аралық режимде мақтаның өсуін тез және дәл қадағалаудың маңызы зор.
Үш құнарлылық кезеңіндегі мақтаның көп спектрлі және көрінетін суреттері UAV орнатылған көп спектрлі және RGB датчиктерімен алынды, олардың спектрлік және кескіндік ерекшеліктері алынды және мақта өсімдіктерінің жердегі биіктігімен біріктірілді, мақтаның SPAD дауыс беру регрессиялық интеграцияланған оқыту (VRE) арқылы бағаланады және үш үлгімен салыстырылды, атап айтқанда, кездейсоқ орман регрессиясы (RFR), градиентті күшейтілген ағаш Регрессия (GBR) және Векторлық машина регрессиясын (SVR) қолдау. . Біз мақтаның салыстырмалы хлорофилл құрамы бойынша әртүрлі бағалау модельдерінің бағалау дәлдігін бағаладық және мақта мен соя арасындағы аралық егістердің әртүрлі арақатынастарының мақтаның өсуіне әсерін талдадық, осылайша аралық егістердің арақатынасын таңдауға негіз болды. мақта мен соя арасындағы және мақта SPAD жоғары дәлдікпен бағалау.
RFR, GBR және SVR үлгілерімен салыстырғанда, VRE үлгісі мақта SPAD бағалауда ең жақсы бағалау нәтижелерін көрсетті. VRE бағалау моделіне негізделген мультиспектрлі кескін мүмкіндіктері, көрінетін кескін мүмкіндіктері және кірістер ретінде өсімдік биіктігін біріктіру үлгісі сәйкесінше R2, RMSE және RPD 0,916, 1,481 және 3,53 сынақ жинағымен ең жоғары дәлдікке ие болды.
Дауыс беру регрессиясының интеграциялық алгоритмімен біріктірілген көп дереккөзді деректерді біріктіру мақтада SPAD бағалаудың жаңа және тиімді әдісін қамтамасыз ететіні көрсетілді.
Жіберу уақыты: 03 желтоқсан 2024 ж