Бул изилдөө кант камышына (Saccharum officinarum) эрте өсүү мезгилинде морфологиялык жактан окшош боло алган Rottboellia cochinchinensis отоо чөбүн спектралдык жактан ажыратууну жана учкучсуз учуучу аппараттын (Unmanned Aerial Vehicle, UAV) сүрөттөрүндө картага түшүрүүнү изилдейт. Изилдөөнүн өзөгүндөгү спектралдык колтамга — өсүмдүк ар түрдүү толкун узундуктарында чагылдырган электромагниттик энергиянын тилкелер боюнча түзгөн айырмалоочу чагылуу үлгүсү. Изилдөөчүлөр FieldSpec 4 Std-Res спектрометринен алынган гиперспектралдык өлчөөлөрдү жөнгө салынган сызыктуу спектралдык синтез аркылуу MicaSense RedEdge-P камерасынын мультиспектралдык тилкелерине айландырган; түрлөрдүн ажыратылуусун Jeffries–Matusita аралыгы жана бир багыттуу ANOVA менен баалаган; андан соң пикселге негизделген Random Forest менен объектке негизделген сүрөт талдоосунун (Object-Based Image Analysis, OBIA) иш агымдарын салыштырган. OBIA жалпы тактыкта 0.9038 жана Cohen Kappa көрсөткүчүндө 0.8499 га жетип, пикселге негизделген ыкманын 0.83 жалпы тактык жана 0.7419 Kappa натыйжасынан жогору болгон. Бирок изилдөө Costa Ricaдагы бир гана талаада, кант камышынын бир гана сортунда жана эрте өсүү шарттарында жүргүзүлгөндүктөн, жыйынтыктарды башка сортторго, фенологиялык баскычтарга жана өндүрүш аймактарына түздөн-түз жалпылоо туура эмес.

Спектралдык талдоо бир тилке деңгээлинде Blue жана Green тилкелери эки өсүмдүк классын ажыратууда эң жогорку Jeffries–Matusita маанилерин бергенин көрсөткөн. RedEdge тилкесинин өз алдынча JM мааниси төмөнүрөөк болгону менен, Blue же Green сыяктуу көрүнүүчү тилкелер менен түзүлгөн индекстерде отоо чөп тактарынын сүрөттө айкыныраак көрүнүшүнө салым кошкон. NIR негизиндеги айкалыштардын визуалдык классты ажыратуусу болсо эрте мезгилдеги өсүмдүк жабындысында жалбырактын ички түзүлүшү, таажы геометриясы, суунун курамы жана ачык топурак менен спектралдык аралашуу сыяктуу факторлорго көбүрөөк сезгич болгондуктан начарыраак деп табылган.

Изилдөөнүн практикалык максаты — гиперспектралдык сенсорлор берген майда-чүйдө спектралдык маалыматты чарба масштабында жеткиликтүүрөөк болгон UAV мультиспектралдык сүрөттөрү менен колдонууга жарактуу кылуу. Мындай картага түшүрүү иш агымы изилдөө текшерген шарттарда R. cochinchinensis тактарын кант камышынан жана ачык топурактан ажыратып, келечекте орунга мүнөздүү отоо чөп башкаруусу жана өзгөрмө нормадагы колдонуу карталары үчүн маалымат катмарын бере алат. Бирок изилдөө гербициддин реалдуу керектөөсүн, экономикалык үнөмдү же узак мөөнөттүү түшүмдүүлүктүн өсүшүн түздөн-түз өлчөгөн эмес.

Эмне үчүн отоо чөптөрдү эрте мезгилде ажыратуу маанилүү?

Булактагы адабиятка ылайык, кант камышында отоо чөптөрдүн атаандаштыгы өзгөчө өсүмдүктүн калыптануу, өнүү жана түптөнүү мезгилдеринде маанилүү. Изилденген талаа болжол менен 42 күн мурун отургузулган LAICA-09374 сортунан турган жана үлгү алуу алдында отоо чөпкө каршы көзөмөл жүргүзүлгөн эмес. Кант камышы али толук жабык таажы түзө электиги жана ачык топурак сүрөт сигналына күчтүү кошулгандыгы үчүн бул мезгил аралыктан зонддоо жагынан татаал, бирок айыл чарба башкаруусу жагынан маанилүү.

Rottboellia cochinchinensis изилдөө жүргүзүлгөн талаада кант камышынын катарларынын ортосунда жана катарлардын боюнда байкалган үстөм отоо чөп түрү. Түрдүн эрте мезгилде кант камышына морфологиялык жактан окшош болушу RGB сүрөтүндө гана визуалдык ажыратууну кыйындатат. Изилдөөнүн негизги идеясы — адамдын көзүнө окшош көрүнгөн эки өсүмдүктүн ар башка толкун узундуктарындагы чагылуу жүрүм-туруму сөзсүз бирдей болбойт.

Спектралдык колтамга деген эмне?

Спектралдык колтамга — бута электромагниттик спектрдин ар түрдүү бөлүктөрүндө өлчөнгөн чагылуу маанилеринен түзүлгөн үлгү. Өсүмдүк пигменттери көрүнүүчү аймакта, клеткалык түзүлүштөр NIR аймагында, ал эми өсүмдүк-суу-түзүлүш байланыштары ар башка спектралдык аймактарда чагылуу ийри сызыгына таасир бере алат. Ошондуктан кант камышы менен R. cochinchinensis физикалык жактан окшош көрүнсө да, Blue, Green, Red, RedEdge жана NIR тилкелеринде бирдей чагылуу бөлүштүрүлүшүн бербеши мүмкүн.

Булак Figure 4-тө синтезделген спектралдык ийри сызыктарды түздөн-түз MicaSense RedEdge-P сүрөттөрүнөн алынган ийри сызыктар менен салыштырат. Эки маалымат булагынан алынган ийри сызыктардын жалпы формалары бири-бирине жакын. Камерага негизделген ийри сызыктар Red тилкесинде дал келет, башка тилкелерде ажырым байкалат. Figure 4-түн чийки чагылуу чекиттери таблица түрүндө жарыяланбагандыктан, Verianla бул ийри сызыкты жаңы так сандык чекиттерди түзүп кайра чийбейт.

Эмне Үчүн Гиперспектралдык Маалымат Мультиспектралдык Тилкелерге Синтезделген?

Гиперспектралдык маалымат көп сандагы тар толкун узундуктарында деталдаштырылган спектралдык маалымат берет, бирок чарба масштабында колдонуу кымбатыраак жана татаалыраак; изилдөө бул маалыматты MicaSense RedEdge-P сыяктуу жеткиликтүүрөөк беш тилкелүү UAV сенсорунун өлчөө мейкиндигине математикалык түрдө өткөрүп, түрлөрдү ажыратуу үчүн операциялык мультиспектралдык иш агымын түзүүнү максат кылган.

Гиперспектралдык өлчөө системасы

FieldSpec 4 Std-Res спектрорадиометри 350–2500 nm спектралдык диапазону жана 1 nm үлгү алуу аралыгы менен колдонулган. R. cochinchinensis үчүн 80, кант камышы үчүн 34 жалбырак өлчөөсү алынган. Өлчөөлөр ар бир жалбырактын орто бөлүгүнөн 10:00–12:00 аралыгында жүргүзүлүп, аппарат ар он өлчөөдөн кийин калибрлөө панели менен кайра калибрленген.

Ар бир үлгү алуу жайгашуусу RTK CHCNAV i50 системасы менен үч өлчөмдүү түрдө катталган. Бул географиялык дал келтирүү жердеги спектрометр өлчөөсүн UAV сүрөтүндөгү тиешелүү пиксел же аянт менен байланыштырууга керек.

UAV мультиспектралдык сүрөттөө

Мультиспектралдык сүрөттөр Blue, Green, Red, RedEdge жана NIR болгон беш тилкелүү MicaSense RedEdge-P камерасы менен алынган. Камера DJI Matrice 300 UAV платформасында ташылып, DJI D-RTK2 түзөтүү станциясы позициялык тактыкты колдогон жана акыркы сүрөттөрдүн мейкиндиктик чечилиши 2 cm болгон.

Спектралдык алдын ала иштетүү

Гиперспектралдык өлчөөлөр R 4.5.2 программасында иштетилген. Изилденген спектралдык диапазон 1300 nmден төмөн толкун узундуктары менен чектелген. Булакка ылайык, бул чектөөнүн эки максаты болгон: гиперспектралдык маалыматты MicaSense RedEdge-P сенсору сезгич болгон аймакка жакшыраак дал келтирүү жана талаа шарттарында айлана-чөйрөлүк өзгөрмөлүүлүгү көбүрөөк болгон SWIR аймагындагы ызы-чуунун таасирин азайтуу.

Тандалган спектралдык диапазондо кошумча smoothing, normalization же башка спектралдык transform колдонулган эмес. Өкүлчүлүк кылган түр ийри сызыктары бир класстагы чагылуу үлгүлөрүн биргелешип баалоо аркылуу түзүлгөн.

Жөнгө салынган сызыктуу спектралдык синтез

Изилдөө ар бир мультиспектралдык тилкени ага жакын гиперспектралдык толкун узундуктарынын салмакталган сызыктуу айкалышы аркылуу болжол менен кайра түзүүгө болот деп божомолдойт. Колдонула турган гиперспектралдык толкун узундуктары максаттуу мультиспектралдык тилкенин full width at half maximum (FWHM) диапазону менен чектелген.

Булактын Denklem (1) сызыктуу коэффициенттерди жөнгө салынган эң кичине квадраттар маселеси менен баалайт:

\[ \min \left( \left\|R_{\mathrm{real}}^{MSI}-H^{HSI}c_{i,j}\right\|^2 + \lambda\left\|c_{i,j}\right\|^2 \right) \tag{1} \]

\(R_{\mathrm{real}}^{MSI}\), MicaSense RedEdge-P сенсору менен өлчөнгөн чыныгы мультиспектралдык чагылууну; \(H^{HSI}\), гиперспектралдык чагылуу матрицасын; \(c_{i,j}\), бааланган сызыктуу айкалыш коэффициенттерин; \(\lambda\) болсо жөнгө салуу параметрин билдирет.

Теңдеменин биринчи мүчөсү синтезделген маанинин чыныгы мультиспектралдык өлчөөдөн айырмасын азайтууга аракет кылат. Экинчи мүчө коэффициенттер өтө чоң болуп, физикалык эмес термелүүлөрдү жаратпашы үчүн жөнгө салуучу мүчө болуп саналат. \(\lambda\) булакта туруктуу теориялык маани катары берилген эмес; спектралдык өзгөрмөлүүлүк менен чечимдин туруктуулугун теңдөө үчүн итеративдүү сыноолор аркылуу эмпирикалык тандалган.

Коэффициенттер аныкталгандан кийин булак Denklem (2) колдонот:

\[ R_i^{MSI}(\lambda_k) = \sum_{j=1}^{N_{HSI}} c_{i,j}R_i^{HSI}(\lambda_k), \qquad k=1,\ldots,n;\; i=1,\ldots,N_{MSI} \tag{2} \]

\(R_i^{MSI}(\lambda_k)\), тиешелүү мультиспектралдык тилкенин синтезделген чагылуусун; \(N_{HSI}\), гиперспектралдык тилкелердин жалпы санын; \(c_{i,j}\), гиперспектралдык жана мультиспектралдык тилкелердин ортосундагы сызыктуу коэффициенттерди; \(R_i^{HSI}(\lambda_k)\) болсо FieldSpec тарабынан \(\lambda_k\) толкун узундугунда өлчөнгөн гиперспектралдык чагылууну билдирет. Теңдемедеги индекстер булакта берилген түрдө сакталган.

Дал келтирилген спектралдык үлгүлөр

Географиялык жактан дал келген гиперспектралдык жана мультиспектралдык маалыматтардан R. cochinchinensis үчүн 51, кант камышы үчүн 34 үлгү жуп даярдалган. Жалпы 85 дал келтирилген байкоо спектралдык колтамга түзүү жана ажыратылуу талдоосу үчүн гана колдонулуп, классификаторду окутууга кошулган эмес.

Спектралдык синтездин тактыгын текшерүү

Blue, Green жана Red тилкелеринде синтез менен чыныгы камера өлчөөсүнүн ортосундагы ката аз; RedEdge жана өзгөчө NIRда ката жогору. Булак тексти бардык тилкелерде RMSE 0.10-дон төмөн деп айтса да, таблицада R. cochinchinensis үчүн NIR мааниси 0.1005. Мындан тышкары, булак тексти кант камышында өзгөчө NIRда RMSE бир аз жогору деп билдирет, бирок таблица NIRда тескери тартипти көрсөтөт. Verianla бул карама-каршылыктарды оңдобой, таблицадагы маанилерди ошол бойдон сактайт.

Спектралдык индекстер

Blue жана Green тилкелеринин түр ажыратуудагы көрсөткүчү жана NIR камтыган айрым индекстердин визуалдык ажыратуусу начар экендиги эске алынып, кийинки талдоо үчүн Blue, Green, Red жана RedEdge айкалыштарынан тогуз индекс изилденген. Алар Michelson contrast, Weber contrast жана Chlorophyll Index үй-бүлөлөрүнө негизделген.

Jeffries–Matusita аралыгы эмнени өлчөйт?

Jeffries–Matusita (JM) аралыгы эки класстын статистикалык бөлүштүрүлүштөрү канчалык кабатташарын баалоочу ажыратылуу көрсөткүчү. Булак колдонгон шкала 0 менен \(\sqrt{2}\) ортосунда. Маани жогорулаган сайын эки класстын спектралдык бөлүштүрүлүштөрү айкыныраак ажырайт; булак 1.3-төн жогору маанилерди күчтүү класс ажыратылуусу үчүн типтүү босого катары көрсөтөт.

RedEdge Өз Алдынча Эң Жогорку JM Маанисин Бербесе да Эмне Үчүн Пайдалуу?

RedEdge өз алдынча тилке катары JM = 0.5871 менен Blue, Green жана NIRдан төмөн болгонуна карабастан, UAV сүрөттөрүндө топурак, көлөкө, таажы түзүлүшү жана спектралдык аралашуу сыяктуу талаа таасирлерине NIRга караганда туруктуураак боло алгандыктан, көрүнүүчү тилкелер менен түзүлгөн RedEdge индекстери отоо чөп тактарын сүрөттө айкыныраак ажыраткан.

Бул жагдай бир гана “эң мыкты тилкени” тандоо эмне үчүн жетишсиз экенин көрсөтөт. Чекитке негизделген таза өсүмдүк спектрлеринде NIR тилкеси RedEdgeге караганда жогору JM маанисин берген. Бирок NIR жалбырактын ички түзүлүшүнө, таажы геометриясына, суунун курамына жана сенсордун көрүү геометриясындагы өзгөрүүлөргө күчтүү жооп берет. Эрте мезгилдеги талаа сүрөттөрүндө ачык топурак менен майда өсүмдүктөр бир пикселдин же сегменттин ичинде аралашканда бул өзгөрмөлүүлүк класс ичиндеги бөлүштүрүүнү кеңейтиши мүмкүн.

RedEdge болсо кызыл аймактагы күчтүү хлорофилл сиңүүсүнөн NIRдагы жогорку чагылууга өтүүчү аймакты билдирет. Булак өзгөчө RedEdge + Blue жана RedEdge + Green индекстери отоо чөп тактарын сүрөттө айкын көрсөткөнүн билдирет. Демек, бир тилкелүү JM көрсөткүчү менен чыныгы сүрөттөгү классификациялык пайдалуулук бир эле аткаруу түшүнүгү эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө аянты

Изилдөө La Palma de Abangares, Guanacaste Province, Costa Ricaдагы коммерциялык кант камышы плантациясында жүргүзүлгөн. Булак талаанын координаттарын 10°14′43.6″ N, 85°4′33.8″ W деп берет. Аймактын жылдык орточо жаан-чачыны болжол менен 1900 mm, күндүзкү максималдуу температурасы болжол менен 33 °C, ал эми түнкү минималдуу температурасы болжол менен 22 °C.

Үлгү алынган кант камышы LAICA-09374 сорту болгон жана үлгү алуу учурунда отургузулгандан кийин болжол менен 42 күн өткөн. Талаага отоо чөп көзөмөлү колдонулган эмес. R. cochinchinensis өзгөчө кант камышынын катарларынын ортосунда жана катар четтеринде кездешкен.

Ыкманын агымы

Классификация үлгүлөрү

Беш мультиспектралдык тилке жана ажыратылуусу жогору тандалган спектралдык индекстер бириктирилип композиттик растр түзүлгөн. Талаа байкоолору менен ырасталган үч класс колдонулган: R. cochinchinensis, кант камышы жана ачык топурак.

Ар бир класс үчүн 73 бир тектүү үлгү полигону кол менен санариптештирилген. Класстар боюнча бирдей үлгү саны модель окутууда класстык тең салмаксыздыктан жарала турган кыйшайууну азайтууну көздөгөн. Үлгүлөр кокустук түрдө %70 окутуу жана %30 текшерүү болуп бөлүнгөн; окутуу маалымат топтомунда 5-fold cross-validation колдонулган.

Пикселге негизделген Random Forest

Объектке негизделген сүрөт талдоосу

OBIAда сүрөт алгач коңшу жана окшош пикселдерден турган бир тектүү объекттерге бөлүнгөн. Segment Mean Shift алгоритми ArcGIS Pro 3.5.4 ичинде спектралдык детал 15.5, мейкиндиктик детал 15 жана минималдуу сегмент өлчөмү 20 пиксел жөндөөлөрү менен иштетилген.

Сегментация параметрлери ар башка жөндөөлөрдү итеративдүү сынап көрүү жана эталон сүрөттөр менен визуалдык баалоо аркылуу тандалган. Максат — бир реалдуу аянттын ашыкча бөлүнүшүн жана ар башка аянттардын бир сегментке биригишин азайтуу.

Ар бир сүрөт объекти үчүн спектралдык тилкелердин орточо жана стандарттык четтөө маанилери, өсүмдүк индекстери жана аянт, периметр, compactness жана elongation сыяктуу геометриялык белгилер эсептелген. Бул белгилер R 4.5.2-ге өткөрүлүп, `randomForest` пакети менен 500 дарактуу классификатор түзүлгөн. Булак `mtry` өзгөрмөсү колдонулганын билдирет, бирок анын сандык маанисин бербейт.

Спектралдык ажыратылуу жыйынтыктары

Бир тилкелүү жыйынтыктарда Blue эң жогорку JM маанисине, Green экинчи эң жогорку мааниге ээ. Беш тилкенин глобалдык айкалышы 1.4142 менен теориялык максимумга жетет. Индекстер чогуу бааланган Table 3 сабында болсо 1.412 берилет.

Булак текстинде Table 1-деги бардык индекстер JM = 1.4142 теориялык максимумга жеткени айтылса, Table 3-тө “All indices in Table 1” үчүн 1.412 көрсөтүлгөн. Verianla илимий өзөгү бул айырманы жашырбайт жана таблицадагы маанини булакта кандай берилсе ошондой сактайт.

Классификациянын көрсөткүчү

Producer's Accuracy чындыгында белгилүү класска тиешелүү үлгүлөрдүн канчасы модель тарабынан туура аныкталганын көрсөтөт жана omission error менен байланыштуу. User's Accuracy болсо модель белгилүү класс деп белгилеген үлгүлөрдүн канчасы чындыгында ошол класска тиешелүү экенин көрсөтөт жана commission error менен байланыштуу.

Объектке Негизделген Классификация Эмне Үчүн Пикселге Негизделген Ыкмадан Ийгиликтүүрөөк Болду?

OBIA ар бир пикселди өз алдынча классификациялоонун ордуна окшош коңшу пикселдерди спектралдык, мейкиндиктик жана геометриялык белгилери бар сүрөт объекттерине бириктиргендиктен, 2 cm чечилиштеги эрте мезгилдеги UAV сүрөттөрүндө топурак, көлөкө жана өсүмдүк ичиндеги өзгөрмөлүүлүк жараткан “salt-and-pepper” бөлүнүүсүн азайтып, изилдөө талаасында бир бүтүн отоо чөп тактарын берген.

Булак Figure 6 бул айырманы визуалдык түрдө ачык көрсөтөт. Пикселге негизделген картада класстар майда жана чачыранды пикселдерге бөлүнсө, объектке негизделген жыйынтыкта класс чек аралары талаанын түзүлүшүнө жана өсүмдүк тактарынын мейкиндиктик формасына жакшыраак дал келет.

Бул натыйжа сүрөттүн жөн гана “тазараак” көрүнүшү менен чектелбейт; сандык көрсөткүчтөр да ошол багытта. OBIA жалпы тактык, Kappa, кант камышынын producer/user тактыгы жана R. cochinchinensis producer/user тактыгы боюнча пикселге негизделген моделдин билдирилген бардык көрсөткүчтөрүнөн жогору.

Изилдөө колдогон жыйынтыктар

Изилдөө эрте мезгилдеги LAICA-09374 кант камышы талаасында R. cochinchinensis менен кант камышын мультиспектралдык жана синтезделген спектралдык маалымат аркылуу ажыратууга болорун колдойт.

Изилдөө гиперспектралдык өлчөөлөрдү жөнгө салынган сызыктуу синтез аркылуу MicaSense RedEdge-Pнин мультиспектралдык тилке мейкиндигине өткөрүү бул маалымат топтомунда түр деңгээлиндеги спектралдык мүнөздөмө үчүн колдонууга жарактуу экенин көрсөтөт.

Изилдөө текшерилген талаа жана сүрөт шарттарында OBIA + Random Forest иш агымы пикселге негизделген Random Forest классификациясына караганда жогорураак тактык жана жогорураак мейкиндиктик бүтүндүк бергенин колдойт.

Изилдөө ошондой эле Blue жана Green тилкелери бир тилке деңгээлинде күчтүү статистикалык ажыратылуу бергенин; RedEdge болсо көрүнүүчү тилкелер менен айкалышта UAV сүрөттөрүндө пайдалуу контраст бере алганын көрсөтөт.

Изилдөө колдобогон жыйынтыктар

Изилдөө ыкма кант камышынын бардык сортторунда, ар башка өлкөлөрдө, ар башка фенологиялык баскычтарда же бардык отоо чөп түрлөрүндө ошол эле тактыкка жетерин көрсөтпөйт.

Изилдөө реалдуу өзгөрмө нормадагы гербицид колдонмосун жүргүзгөн эмес; гербицид көлөмүнүн реалдуу азайышын, экономикалык үнөмдү, түшүмдүүлүктү же экологиялык таасирдин азайышын эксперименталдык түрдө өлчөгөн эмес. Түзүлгөн классификация карталарын мындай колдонмолордо пайдалануу мүмкүнчүлүгү — изилдөөнүн келечектеги колдонмо потенциалы.

Изилдөө ошондой эле мейкиндиктик чечилиши төмөнүрөөк же башка мультиспектралдык сенсорлор менен ошол эле модель көрсөткүчү сакталарына далил келтирбейт.

Чектөөлөр

Изилдөө бир коммерциялык плантацияда, LAICA-09374 кант камышы сортунда гана жана болжол менен 42 күндүк эрте өсүү шартында жүргүзүлгөн. Өсүмдүктүн спектралдык жообу климат, топурак, генотип, өсүү баскычы жана таажынын өнүгүшү менен өзгөрүшү мүмкүн болгондуктан, жалпы жарактуулук башка талаа шарттарында өзүнчө текшерилиши керек.

Изилдөө колдонгон 2 cm UAV сүрөт чечилиши майда отоо чөп тактарын деталдуу көрсөтөт; бирок өтө жогорку чечилиш маалымат көлөмүн жана эсептөө талабын көбөйтөт. Бул ыкманын ири коммерциялык плантацияларда масштабдалуусу үчүн практикалык чектөө болуп саналат.

JM ажыратылуу жыйынтыктарынын бир бөлүгү таза өсүмдүк жоопторун билдирген чекитке негизделген спектралдык үлгүлөрдөн алынган. Авторлор бул жагдай чыныгы UAV сүрөттөрүндөгү spatial autocorrelation, sub-pixel heterogeneity, топурак фону жана спектралдык аралашууну толук билдирбей турганын өзгөчө белгилешет.

Келечектеги изилдөөлөр

Авторлор иш агымын ар башка экологиялык шарттарда, кант камышынын ар башка өсүү баскычтарында, ар башка мейкиндиктик чечилиштерде жана ар башка өндүрүш системаларында текшерүүнү сунушташат. Ыкманын башка отоо чөп түрлөрүнө өткөрүлүшүн изилдөө да масштабдалуусун аныктоо үчүн маанилүү.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталышы: Mapping Sugarcane Weeds Using Spectral Signatures Derived from Spectroscopic Data and Multispectral Images

Авторлор: María P. Iglesias; Muditha K. Heenkenda; Kerin F. Romero

Кат алышуучу автор: Kerin F. Romero

Мекемелер: Department of Agricultural Engineering, Instituto Tecnológico de Costa Rica, Cartago, Costa Rica; Department of Geography and the Environment, Lakehead University, Thunder Bay, Canada.

Журнал: AgriEngineering

Басмакана: MDPI

Том / Сан / Макала: 8 / 5 / 172

DOI: 10.3390/agriengineering8050172

Даталар: Алынды: 19 Февраль 2026; кайра каралды: 24 Апрель 2026; кабыл алынды: 29 Апрель 2026; жарыяланды: 1 Май 2026.

Булак түрү: Рецензияланган изилдөө макаласы; талаа спектроскопиясы, UAV мультиспектралдык аралыктан зонддоо, спектралдык синтез, статистикалык ажыратылуу талдоосу жана Random Forest сүрөт классификациясы.

Лицензия: Creative Commons Attribution (CC BY). Көрүнүп турган булак PDF тексти лицензиянын версия номерин өзүнчө көрсөтпөгөндүктөн, версия болжолдонгон эмес.

Изилдөө аянты: La Palma de Abangares, Guanacaste Province, Costa Rica.

Кант камышынын сорту: LAICA-09374; үлгү алуу учурунда болжол менен 42 күн.

Максаттуу отоо чөп: Rottboellia cochinchinensis.

Гиперспектралдык аспап: FieldSpec 4 Std-Res; 350–2500 nm; 1 nm үлгү алуу аралыгы.

UAV сүрөттөө системасы: MicaSense RedEdge-P; DJI Matrice 300; DJI D-RTK2; 2 cm мейкиндиктик чечилиш.

Спектралдык үлгүлөрдүн саны: R. cochinchinensis үчүн 80; кант камышы үчүн 34 FieldSpec өлчөөсү.

Дал келтирилген спектралдык үлгү: R. cochinchinensis үчүн 51; кант камышы үчүн 34. Бул үлгүлөр классификаторду окутуу үчүн эмес, спектралдык мүнөздөмө жана ажыратылуу талдоосу үчүн колдонулган.

Классификация үлгүсү: Кант камышы, R. cochinchinensis жана ачык топурак үчүн ар бир класска 73 үлгү; %70 окутуу / %30 көз карандысыз текшерүү; окутууда 5-fold cross-validation.

Пикселге негизделген модель: Google Earth Engine Random Forest; 1000 дарак; variablesPerSplit = 4; minimum leaf population = 2; bag fraction = 0.8; максимум 200 node/дарак.

OBIA: ArcGIS Pro 3.5.4 Segment Mean Shift; spectral detail = 15.5; spatial detail = 15; minimum segment size = 20 пиксел. Сегмент белгилери R 4.5.2 ичинде 500 дарактуу Random Forest менен классификацияланган.

Статистикалык баалоо: Jeffries–Matusita аралыгы жана бир багыттуу ANOVA.

Аткарууну баалоо: Confusion matrix; producer's accuracy, user's accuracy, overall accuracy жана Cohen's Kappa.

Каржылоо: Vice-Rectorate of Research and Outreach of the Costa Rica Institute of Technology, долбоор “Metodología de detección remota para la identificación y control localizado de malezas en caña de azúcar”, ID 10421038; Emerging Leaders of the Americas Program, Global Affairs Canada, 27 Май 2025.

Этика кеңеши: Колдонулбайт.

Маалымдалган макулдук: Колдонулбайт.

Маалыматтардын жеткиликтүүлүгү: Натыйжаларды колдогон чийки маалыматтар сурам боюнча авторлор тарабынан берилери көрсөтүлгөн.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдирген.

Авторлордун салымдары: Концептуалдаштыруу: María P. Iglesias жана Kerin F. Romero. Ыкма жана программалык камсыздоо: María P. Iglesias, Kerin F. Romero жана Muditha K. Heenkenda. Формалдык талдоо: María P. Iglesias жана Muditha K. Heenkenda. Баштапкы долбоор: María P. Iglesias. Карап чыгуу жана редакциялоо: Muditha K. Heenkenda. Кеңеш берүү: Muditha K. Heenkenda. Долбоорду башкаруу жана каржылоону алуу: Kerin F. Romero.

Булак ичиндеги сандык дал келбестик 1: Текст бардык тилкелерде RMSE 0.10-дон төмөн деп айтса, Table 2 R. cochinchinensis NIR RMSE маанисин 0.1005 деп берет.

Булак ичиндеги сандык дал келбестик 2: Текст кант камышы өзгөчө NIR аймагында бир аз жогору RMSE берет деп билдирсе, Table 2 NIR үчүн кант камышында 0.0929 жана R. cochinchinensisте 0.1005 деп көрсөтөт.

Булак ичиндеги сандык дал келбестик 3: Жыйынтык тексти изилденген индекстер JM = 1.4142 теориялык максимумга жеткенин айтса, Table 3 “All indices in Table 1” үчүн JM = 1.412 берет. Verianla бул айырманы оңдогон эмес жана эки жазууну тең өз контекстинде көрүнүктүү калтырган.

Негизги методологиялык чектөө: Жыйынтыктар бир талаага, кант камышынын бир сортуна жана эрте өсүү мезгилине тиешелүү. Ар башка чөйрө, генотип, фенологиялык баскыч, сенсор, мейкиндиктик чечилиш жана отоо чөп түрлөрүндө тышкы текшерүү талап кылынат.