कापूस हे महत्त्वाचे नगदी पीक आणि कापूस वस्त्रोद्योग कच्चा माल, दाट लोकवस्तीच्या वाढीसह, कापूस, धान्य आणि तेलबिया पिकांच्या जमिनीतील स्पर्धेची समस्या अधिकाधिक गंभीर होत चालली आहे, कापूस आणि धान्य आंतरपीकांचा वापर प्रभावीपणे यातील विरोधाभास दूर करू शकतो. कापूस आणि धान्य पिकांची लागवड, ज्यामुळे पिकाची उत्पादकता आणि पर्यावरणीय विविधतेचे संरक्षण होऊ शकते आणि असेच. म्हणून, आंतरपीक पद्धती अंतर्गत कपाशीच्या वाढीचे त्वरीत आणि अचूक निरीक्षण करणे खूप महत्वाचे आहे.
सुपीकतेच्या तीन टप्प्यांवर कापसाच्या बहु-स्पेक्ट्रल आणि दृश्यमान प्रतिमा यूएव्ही-माउंट केलेल्या मल्टी-स्पेक्ट्रल आणि आरजीबी सेन्सर्सद्वारे प्राप्त केल्या गेल्या, त्यांची वर्णक्रमीय आणि प्रतिमा वैशिष्ट्ये काढण्यात आली आणि जमिनीवर असलेल्या कापूसच्या रोपांच्या उंचीसह, कापसाचा SPAD होता. मतदान रीग्रेशन इंटिग्रेटेड लर्निंग (VRE) द्वारे अंदाजित आणि तीन मॉडेल्सच्या तुलनेत, म्हणजे, रँडम फॉरेस्ट रीग्रेशन (RFR), ग्रेडियंट बूस्टेड ट्री रिग्रेशन (GBR), आणि सपोर्ट वेक्टर मशीन रीग्रेशन (SVR). . आम्ही कापसाच्या सापेक्ष क्लोरोफिल सामग्रीवर वेगवेगळ्या अंदाज मॉडेल्सच्या अंदाज अचूकतेचे मूल्यमापन केले आणि कापूस आणि सोयाबीनमधील आंतरपीकांच्या विविध गुणोत्तरांच्या कपाशीच्या वाढीवर होणाऱ्या परिणामांचे विश्लेषण केले, जेणेकरून आंतरपीकांच्या गुणोत्तराच्या निवडीसाठी आधार प्रदान करता येईल. कापूस आणि सोयाबीन आणि कापूस SPAD च्या उच्च-सुस्पष्टता अंदाज दरम्यान.
RFR, GBR आणि SVR मॉडेल्सच्या तुलनेत, VRE मॉडेलने सूती SPAD चा अंदाज लावण्यासाठी सर्वोत्तम अंदाज परिणाम दर्शविला. VRE अंदाज मॉडेलवर आधारित, मल्टीस्पेक्ट्रल प्रतिमा वैशिष्ट्ये, दृश्यमान प्रतिमा वैशिष्ट्ये आणि इनपुट्स म्हणून वनस्पती उंची फ्यूजन असलेल्या मॉडेलमध्ये अनुक्रमे 0.916, 1.481 आणि 3.53 चा चाचणी संच R2, RMSE आणि RPD सह सर्वोच्च अचूकता होती.
मतदान रीग्रेशन इंटिग्रेशन अल्गोरिदमसह बहु-स्रोत डेटा फ्यूजन कापसातील SPAD अंदाजासाठी एक नवीन आणि प्रभावी पद्धत प्रदान करते हे दिसून आले.
पोस्ट वेळ: डिसेंबर-०३-२०२४