UAV multispektral Fernerkundung fir de Kottengwuesstum ze iwwerwaachen

Multispektral a sichtbar Biller vu Kotteng an dräi Fruchtbarkeetsstadien goufen duerch multispektral an RGB-Sensoren, déi un en UAV montéiert sinn, opgeholl. Hir spektral an bildlech Eegeschafte goufen extrahéiert. A Kombinatioun mat der Héicht vun de Kottengplanzen um Buedem gouf d'SPAD vu Kotteng duerch Voting Regression Integrated Learning (VRE) geschat a mat dräi Modeller verglach, nämlech Random Forest Regression (RFR), Gradient Boosted Tree Regression (GBR) a Support Vector Machine Regression (SVR). Mir hunn d'Schätzungsgenauegkeet vun ënnerschiddleche Schätzungsmodeller fir de relative Chlorophyllgehalt vu Kotteng evaluéiert an d'Auswierkunge vun ënnerschiddleche Verhältnisser vun der Zwëschenutzung tëscht Kotteng a Sojabounen op de Wuesstum vu Kotteng analyséiert, fir eng Basis fir d'Auswiel vum Verhältnis vun der Zwëschenutzung tëscht Kotteng a Sojabounen an d'héichpräzis Schätzung vun der SPAD vu Kotteng ze bidden.

Am Verglach mat RFR-, GBR- a SVR-Modeller huet de VRE-Modell déi bescht Schätzungsresultater bei der Schätzung vum SPAD vu Kotteng gewisen. Baséierend op dem VRE-Schätzungsmodell hat de Modell mat multispektralen Bildmerkmale, siichtbare Bildmerkmale a Planzhéichtfusioun als Inputen déi héchst Genauegkeet mat Testset R2, RMSE an RPD vun 0,916, 1,481 an 3,53.