უპილოტო საფრენი აპარატი მრავალსპექტრული დისტანციური ზონდირებით ბამბის ზრდის მონიტორინგისთვის

უპილოტო საფრენ აპარატზე დამონტაჟებული მრავალსპექტრული და RGB სენსორების მეშვეობით მიღებული იქნა ბამბის სამ ნაყოფიერების სტადიაზე მყოფი მრავალსპექტრული და ხილული გამოსახულებები, ამოღებული იქნა მათი სპექტრული და გამოსახულების მახასიათებლები და მიწაზე ბამბის მცენარეების სიმაღლესთან შერწყმით, ბამბის SPAD შეფასდა ხმის მიცემის რეგრესიის ინტეგრირებული სწავლების (VRE) მეთოდით და შედარდა სამ მოდელთან, კერძოდ, შემთხვევითი ტყის რეგრესიასთან (RFR), გრადიენტულად გაძლიერებული ხის რეგრესიასთან (GBR) და დამხმარე ვექტორული მანქანურ რეგრესიასთან (SVR). ჩვენ შევაფასეთ ბამბის ქლოროფილის ფარდობითი შემცველობის სხვადასხვა შეფასების მოდელების შეფასების სიზუსტე და გავაანალიზეთ ბამბასა და სოიას შორის ურთიერთშერწყმის სხვადასხვა თანაფარდობის გავლენა ბამბის ზრდაზე, რათა შეგვექმნა საფუძველი ბამბასა და სოიას შორის ურთიერთშერწყმის თანაფარდობის შერჩევისა და ბამბის SPAD-ის მაღალი სიზუსტის შეფასებისთვის.

RFR, GBR და SVR მოდელებთან შედარებით, VRE მოდელმა აჩვენა საუკეთესო შეფასების შედეგები ბამბის SPAD-ის შეფასებისას. VRE შეფასების მოდელის მიხედვით, მოდელს, რომელიც შეყვანის სახით იყენებდა მულტისპექტრული გამოსახულების მახასიათებლებს, ხილული გამოსახულების მახასიათებლებს და მცენარის სიმაღლის შერწყმას, ჰქონდა ყველაზე მაღალი სიზუსტე, R2, RMSE და RPD ტესტების ნაკრებით, შესაბამისად, 0.916, 1.481 და 3.53.