يتحدد نمو المحاصيل وإنتاجها بعدة عوامل، بما في ذلك الجينات، والبيئة، وتفاعلاتهما. يمثل استيعاب بيانات الاستشعار عن بُعد مع نمذجة نمو المحاصيل اتجاهًا مهمًا لمراقبة المحاصيل وتقدير الإنتاج. تهدف هذه الدراسة إلى استكشاف طريقة فعالة لدمج البيانات لتقدير إنتاج فول الصويا من خلال استخدام بيانات الاستشعار عن بُعد الخاصة بالسقف ونماذج نمو المحاصيل. بناءً على بيانات التجارب الميدانية، تم تطوير نماذج استرجاع استشعار عن بُعد لمؤشر مساحة الورقة (LAI) وتراكم النيتروجين في الأوراق (LNA) باستخدام خوارزمية تحليل المكونات الرئيسية - الانحدار التدريجي (PCA - Ridge). باستخدام تقديرات الاستشعار عن بُعد كمتغيرات حالة في نموذج DSSAT، أظهرت النتائج أنه، مقارنةً باستخدام LAI فقط (VLAI) أو LNA فقط (VLNA)، كانت دقة تقدير إنتاج فول الصويا أفضل عند استخدام كل من LAI وLNA (VLAI+LNA) كمتغيرات حالة. بالإضافة إلى ذلك، كانت معادلة كفاءة ناش-سوتكليف (NSE) وظيفة تحسين فعالة في تحسين متغيرات الحالة. في الختام، تشير هذه النتائج إلى أن استيعاب معلمين رئيسيين فسيولوجيين وكيميائيين لفول الصويا، مستمدين من بيانات هايبرسبكترال، مع نماذج نمو المحاصيل يوفر نهجاً قابلاً للتطبيق لتعزيز دقة تقدير LAI وLNA والإنتاج.
درس هان وآخرون (سن) هذا السؤال.