कपास एक महत्वपूर्ण नगदे बाली र कपास कपडा उद्योगको कच्चा पदार्थको रूपमा रहेको छ। घना जनसंख्या भएको क्षेत्रको वृद्धिसँगै, कपास, अन्न र तेलहन बाली जमिन प्रतिस्पर्धाको समस्या बढ्दो रूपमा गम्भीर हुँदै गइरहेको छ। कपास र अन्न अन्तरबालीको प्रयोगले कपास र अन्नबालीको खेती बीचको विरोधाभासलाई प्रभावकारी रूपमा कम गर्न सक्छ, जसले बालीको उत्पादकता र पारिस्थितिक विविधताको संरक्षणमा सुधार गर्न सक्छ। त्यसैले, अन्तरबाली मोड अन्तर्गत कपासको वृद्धिको छिटो र सही रूपमा निगरानी गर्नु धेरै महत्त्वपूर्ण छ।
तीन उर्वरता चरणहरूमा कपासको बहु-स्पेक्ट्रल र दृश्यात्मक छविहरू UAV-माउन्ट गरिएको बहु-स्पेक्ट्रल र RGB सेन्सरहरूद्वारा प्राप्त गरिएको थियो, तिनीहरूको वर्णक्रमीय र छवि सुविधाहरू निकालिएको थियो, र जमिनमा कपासको बिरुवाहरूको उचाइसँग मिलाएर, कपासको SPAD भोटिङ रिग्रेसन इन्टिग्रेटेड लर्निङ (VRE) द्वारा अनुमान गरिएको थियो र तीन मोडेलहरूसँग तुलना गरिएको थियो, जस्तै, Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR), र Support Vector Machine Regression (SVR)। हामीले कपासको सापेक्षिक क्लोरोफिल सामग्रीमा विभिन्न अनुमान मोडेलहरूको अनुमान शुद्धताको मूल्याङ्कन गर्यौं, र कपासको वृद्धिमा कपास र भटमास बीचको अन्तरबालीको विभिन्न अनुपातहरूको प्रभावहरूको विश्लेषण गर्यौं, ताकि कपास र भटमास बीचको अन्तरबालीको अनुपात चयनको लागि आधार प्रदान गर्न सकियोस्। र कपास SPAD को उच्च-परिशुद्धता अनुमान।
RFR, GBR, र SVR मोडेलहरूको तुलनामा, VRE मोडेलले कपास SPAD अनुमान गर्ने क्रममा सबैभन्दा राम्रो अनुमान परिणामहरू देखायो। VRE अनुमान मोडेलको आधारमा, बहुस्पेक्ट्रल छवि सुविधाहरू, दृश्यमान छवि सुविधाहरू, र इनपुटको रूपमा बिरुवाको उचाइ फ्युजन भएको मोडेलमा क्रमशः ०.९१६, १.४८१, र ३.५३ को परीक्षण सेट R2, RMSE, र RPD सँग उच्चतम शुद्धता थियो।
मतदान प्रतिगमन एकीकरण एल्गोरिथ्मसँग मिलेर बहु-स्रोत डेटा फ्युजनले कपासमा SPAD अनुमानको लागि नयाँ र प्रभावकारी विधि प्रदान गर्दछ भन्ने देखाइएको थियो।
पोस्ट समय: डिसेम्बर-०३-२०२४