Повышение точности диагностики водного стресса у кукурузы за счёт интеграции данных мультимодальных БПЛА и инверсионной модели индекса листовой поверхности

Вода является ключевым фактором для роста и развития кукурузы, и её дефицит может значительно снизить урожай. В связи с этим, диагностика водного стресса у кукурузы становится критически важной задачей для агрономов. Современные технологии, такие как беспилотные летательные аппараты (БПЛА) и мультиспектральные индексы, позволяют значительно повысить точность мониторинга состояния растений.

1. Использование мультимодальных данных БПЛА

БПЛА могут собирать различные типы данных, включая:

- Мультиспектральные данные: Эти данные позволяют оценить состояние растений на основе отражательной способности различных спектров света, что помогает выявить признаки стресса.
- Тепловые инфракрасные данные: Эти данные используются для оценки температуры поверхности растений, что может указывать на уровень водного стресса.
- Информация о влажности почвы: Различные индикаторы влажности почвы могут быть использованы для получения более точных результатов мониторинга в зависимости от стадии роста кукурузы.

2. Инверсионная модель индекса листовой поверхности

Использование инверсионной модели индекса листовой поверхности (ИЛП) позволяет более точно оценивать состояние кукурузы. ИЛП, основанный на мультиспектральных индексах, помогает определить количество зеленой массы и ее состояние, что является важным для диагностики водного стресса.

3. Полевая экспериментация

В рамках нашего исследования был проведен двухлетний полевой эксперимент с яровой кукурузой в ирригационном районе Хетао во Внутренней Монголии. Основными показателями состояния посевов были:

- Содержание воды в растениях (СВР): Этот показатель помогает оценить уровень водного стресса.
- Нормализованная устьичная проводимость (НУП): Позволяет оценить, насколько эффективно растения используют доступную воду.

4. Алгоритмы машинного обучения

Для разработки моделей диагностики водного стресса были использованы алгоритмы машинного обучения, которые интегрируют мультиспектральные данные БПЛА, тепловые инфракрасные данные и результаты инверсии ИЛП. Наиболее эффективные модели были протестированы в крупномасштабном эксперименте для оценки их применимости.

5. Результаты и корреляция

- Корреляция мультиспектральных индексов (МИ) и индекса листовой поверхности (LAI): Эти индексы показали высокую корреляцию с показателями состояния растений (PMC) и нормализованной проводимостью (NGS) на ранних и средних стадиях роста (V9 и VT).
- Температурные индексы (TI): Сильно коррелировали с NGS на стадиях пикового роста (VT и R1).

6. Эффективность моделей

Модели, построенные с использованием алгоритма регрессии случайного леса (RFR) и комбинации MI + TI + LAI, показали наилучшие результаты с коэффициентом детерминации (R²) 0.575, корнем среднеквадратичной ошибки (RMSE) 0.073 и относительной ошибкой RMSE (RRMSE) 0.18. Прогностические преимущества зависели от стадии роста:

- Прогнозы для PMC были более точными на стадиях V9 и R3.
- Прогнозы для NGS — на стадиях VT и R1.

На стадии AE точность прогнозирования как для PMC, так и для NGS снизилась, однако прогнозы NGS оказались точнее прогнозов PMC, с R², RMSE и RRMSE, равными 0.5836, 0.2301 и 0.3437 соответственно.

7. Заключение и рекомендации

Несмотря на то, что модели продемонстрировали хорошие результаты, они недооценили уровень водного стресса для NGS. Наше исследование предоставляет практические рекомендации для диагностики водного стресса у растений на основе мультимодальных данных с БПЛА. Это включает в себя:

- Использование мультиспектральных индексов и температурных индексов в зависимости от стадии роста растений.
- Проведение регулярного мониторинга состояния посевов с помощью БПЛА для более точной оценки водного стресса.

Таким образом, интеграция данных БПЛА и инверсионной модели индекса листовой поверхности значительно повышает точность диагностики водного стресса у кукурузы, что может способствовать улучшению управления поливом и повышению урожайности.


Исследование: Agricultural Water Management