پهپاد چند طیفی سنجش از راه دور برای نظارت بر رشد پنبه

تصاویر چند طیفی و قابل مشاهده از پنبه در سه مرحله باروری توسط حسگرهای چند طیفی و RGB نصب شده بر روی پهپاد به دست آمد، ویژگی های طیفی و تصویری آنها استخراج شد و با ترکیب ارتفاع گیاهان پنبه روی زمین، SPAD پنبه به دست آمد. با استفاده از رگرسیون رای گیری یادگیری یکپارچه (VRE) برآورد و با سه مدل، یعنی رگرسیون جنگل تصادفی (RFR)، گرادیان مقایسه شد. رگرسیون درختی تقویت شده (GBR) و رگرسیون ماشین برداری پشتیبانی (SVR). . ما دقت تخمین مدل‌های مختلف تخمین را بر روی محتوای کلروفیل نسبی پنبه ارزیابی کردیم و اثرات نسبت‌های مختلف کشت مخلوط بین پنبه و سویا را بر رشد پنبه تجزیه و تحلیل کردیم تا مبنایی برای انتخاب نسبت کشت مخلوط فراهم کنیم. بین پنبه و سویا و تخمین با دقت بالا پنبه SPAD.

در مقایسه با مدل‌های RFR، GBR و SVR، مدل VRE بهترین نتایج برآورد را در تخمین SPAD پنبه نشان داد. بر اساس مدل تخمین VRE، مدل با ویژگی‌های تصویر چندطیفی، ویژگی‌های تصویر قابل مشاهده و همجوشی ارتفاع گیاه به‌عنوان ورودی، بالاترین دقت را با مجموعه آزمایشی R2، RMSE و RPD به ترتیب 916/0، 481/1 و 53/3 داشت.