ಹತ್ತಿ ಪ್ರಮುಖ ನಗದು ಬೆಳೆ ಮತ್ತು ಹತ್ತಿ ಜವಳಿ ಉದ್ಯಮದ ಕಚ್ಚಾ ವಸ್ತುಗಳು, ಜನನಿಬಿಡ ಪ್ರದೇಶಗಳ ಹೆಚ್ಚಳ, ಹತ್ತಿ, ಧಾನ್ಯ ಮತ್ತು ಎಣ್ಣೆಬೀಜ ಬೆಳೆಗಳ ಭೂಮಿ ಸ್ಪರ್ಧೆಯ ಸಮಸ್ಯೆ ಹೆಚ್ಚು ಹೆಚ್ಚು ಗಂಭೀರವಾಗಿದೆ, ಹತ್ತಿ ಮತ್ತು ಧಾನ್ಯದ ಅಂತರ ಬೆಳೆಗಳ ಬಳಕೆಯು ಅವುಗಳ ನಡುವಿನ ವಿರೋಧಾಭಾಸವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿವಾರಿಸುತ್ತದೆ. ಹತ್ತಿ ಮತ್ತು ಧಾನ್ಯ ಬೆಳೆಗಳ ಕೃಷಿ, ಇದು ಬೆಳೆಗಳ ಉತ್ಪಾದಕತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ ಮತ್ತು ಪರಿಸರ ವೈವಿಧ್ಯತೆಯ ರಕ್ಷಣೆ ಮತ್ತು ಹೀಗೆ. ಆದ್ದರಿಂದ, ಅಂತರ ಬೆಳೆ ಪದ್ಧತಿಯಲ್ಲಿ ಹತ್ತಿಯ ಬೆಳವಣಿಗೆಯನ್ನು ತ್ವರಿತವಾಗಿ ಮತ್ತು ನಿಖರವಾಗಿ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು ಬಹಳ ಮಹತ್ವದ್ದಾಗಿದೆ.
ಮೂರು ಫಲವತ್ತತೆಯ ಹಂತಗಳಲ್ಲಿ ಹತ್ತಿಯ ಬಹು-ಸ್ಪೆಕ್ಟ್ರಲ್ ಮತ್ತು ಗೋಚರ ಚಿತ್ರಗಳನ್ನು UAV-ಮೌಂಟೆಡ್ ಮಲ್ಟಿ-ಸ್ಪೆಕ್ಟ್ರಲ್ ಮತ್ತು RGB ಸಂವೇದಕಗಳಿಂದ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡಿತು, ಅವುಗಳ ಸ್ಪೆಕ್ಟ್ರಲ್ ಮತ್ತು ಇಮೇಜ್ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊರತೆಗೆಯಲಾಯಿತು ಮತ್ತು ನೆಲದ ಮೇಲಿನ ಹತ್ತಿ ಗಿಡಗಳ ಎತ್ತರದೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ, ಹತ್ತಿಯ SPAD ವೋಟಿಂಗ್ ರಿಗ್ರೆಶನ್ ಇಂಟಿಗ್ರೇಟೆಡ್ ಲರ್ನಿಂಗ್ (VRE) ಮೂಲಕ ಅಂದಾಜು ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಮೂರು ಮಾದರಿಗಳೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ, ಅವುಗಳೆಂದರೆ, ರ್ಯಾಂಡಮ್ ಫಾರೆಸ್ಟ್ ರಿಗ್ರೆಶನ್ (RFR), ಗ್ರೇಡಿಯಂಟ್ ಬೂಸ್ಟ್ಡ್ ಟ್ರೀ ರಿಗ್ರೆಷನ್ (GBR), ಮತ್ತು ಸಪೋರ್ಟ್ ವೆಕ್ಟರ್ ಮೆಷಿನ್ ರಿಗ್ರೆಶನ್ (SVR). . ಹತ್ತಿಯ ಸಾಪೇಕ್ಷ ಕ್ಲೋರೊಫಿಲ್ ಅಂಶದ ಮೇಲೆ ವಿಭಿನ್ನ ಅಂದಾಜು ಮಾದರಿಗಳ ಅಂದಾಜು ನಿಖರತೆಯನ್ನು ನಾವು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇವೆ ಮತ್ತು ಹತ್ತಿಯ ಬೆಳವಣಿಗೆಯ ಮೇಲೆ ಹತ್ತಿ ಮತ್ತು ಸೋಯಾಬೀನ್ ನಡುವಿನ ಅಂತರ ಬೆಳೆಗಳ ವಿಭಿನ್ನ ಅನುಪಾತಗಳ ಪರಿಣಾಮಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿದ್ದೇವೆ, ಇದರಿಂದ ಅಂತರ ಬೆಳೆಗಳ ಅನುಪಾತದ ಆಯ್ಕೆಗೆ ಆಧಾರವನ್ನು ಒದಗಿಸಲಾಗಿದೆ. ಹತ್ತಿ ಮತ್ತು ಸೋಯಾಬೀನ್ ನಡುವೆ ಮತ್ತು ಹತ್ತಿ SPAD ನ ಹೆಚ್ಚಿನ ನಿಖರವಾದ ಅಂದಾಜು.
RFR, GBR ಮತ್ತು SVR ಮಾದರಿಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, VRE ಮಾದರಿಯು ಹತ್ತಿ SPAD ಅನ್ನು ಅಂದಾಜು ಮಾಡುವಲ್ಲಿ ಅತ್ಯುತ್ತಮ ಅಂದಾಜು ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸಿದೆ. VRE ಅಂದಾಜಿನ ಮಾದರಿಯನ್ನು ಆಧರಿಸಿ, ಮಲ್ಟಿಸ್ಪೆಕ್ಟ್ರಲ್ ಇಮೇಜ್ ವೈಶಿಷ್ಟ್ಯಗಳು, ಗೋಚರ ಇಮೇಜ್ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಸಸ್ಯ ಎತ್ತರದ ಸಮ್ಮಿಳನವನ್ನು ಇನ್‌ಪುಟ್‌ಗಳಾಗಿ ಹೊಂದಿರುವ ಮಾದರಿಯು ಅನುಕ್ರಮವಾಗಿ 0.916, 1.481 ಮತ್ತು 3.53 ರ ಪರೀಕ್ಷಾ ಸೆಟ್ R2, RMSE ಮತ್ತು RPD ಯೊಂದಿಗೆ ಹೆಚ್ಚಿನ ನಿಖರತೆಯನ್ನು ಹೊಂದಿದೆ.
ವೋಟಿಂಗ್ ರಿಗ್ರೆಶನ್ ಇಂಟಿಗ್ರೇಷನ್ ಅಲ್ಗಾರಿದಮ್‌ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ಬಹು-ಮೂಲ ಡೇಟಾ ಸಮ್ಮಿಳನವು ಹತ್ತಿಯಲ್ಲಿ SPAD ಅಂದಾಜಿಸಲು ಹೊಸ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ವಿಧಾನವನ್ನು ಒದಗಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸಲಾಗಿದೆ.
ಪೋಸ್ಟ್ ಸಮಯ: ಡಿಸೆಂಬರ್-03-2024