Harmonizarea datelor hiperspectrale de la sol și UAV: o nouă metodă de corecție spectrală pentru maximizarea modelelor de estimare și a seturilor de date hiperspectrale de la sol

Monitorizarea precisă și eficientă a statutului de azot din orez utilizând seturi de date hiperspectrale și modele de estimare este crucială pentru agricultura de precizie și în mod inteligent a plantelor.

Seturile de date hiperspectrale neimaginate de la sol au oferit soluții cu un randament mare, însă modelele de estimare a azotului dezvoltate pe baza acestor date, precum și seturile de date hiperspectrale acumulate, sunt dificil de generalizat pentru aplicații practice în producție.

Tehnologia de imagistică hiperspectrală provenită de la vehicule aeriene fără pilot (UAV) oferă oportunități pentru monitorizarea în timp real și pe scară largă a statutului de azot din orez, însă seturile de date și modelele de estimare dezvoltate nu sunt la fel de bogate precum cele neimaginate.

Cu toate acestea, am descoperit că seturile de date hiperspectrale neimaginate și modelele de estimare sunt dificil de adaptat la imaginile hiperspectrale.

Astfel, acest studiu își propune să armonizeze bazele de date hiperspectrale neimaginate și modelele de estimare a azotului pentru a se putea aplica pe imaginile hiperspectrale capturate de UAV-uri.

Am propus o metodă de corectare spectrală pentru a armoniza datele hiperspectrale neimaginate și cele hiperspectrale.

Modelele de estimare a conținutului de azot în canopé (CNC) au fost dezvoltate folosind algoritmi de învățare automată, bazându-se pe seturi de date hiperspectrale neimaginate, imagini hiperspectrale și seturi de date corectate.

Este important de menționat că aplicabilitatea și eficiența modelelor de estimare a CNC și a setului de date hiperspectral corectat au fost explorate pentru imaginile hiperspectrale.

Rezultatele au arătat că setul de date hiperspectral corectat a furnizat o acuratețe în modelare comparabilă cu cea a seturilor de date hiperspectrale neimaginate și a imaginilor hiperspectrale la estimarea CNC.

Aplicabilitatea modelelor de estimare bazate pe setul de date corectat s-a dovedit a fi superioară comparativ cu cea a setului neimaginate atunci când au fost aplicate pe imagini hiperspectrale.

În mod similar, setul de date hiperspectral corectat a și depășit setul neimaginate în estimarea conținutului de azot, folosind modelele de estimare ale imaginilor hiperspectrale.

În concluzie, modelele și seturile de date hiperspectrale corectate pot fi transferate eficient pentru a estima CNC din imaginile hiperspectrale și pentru a resolve problema heterogenității dintre imaginile neimaginate și cele hiperspectrale.

Acest studiu oferă o abordare nouă pentru maximizarea utilizării modelelor și bazelor de date dezvoltate din seturile de date hiperspectrale neimaginate, în agricultura de precizie..