Key points are not available for this paper at this time.
초록 원거리 센싱은 스펙트럼 및 공간 정보를 식별하여 수자원을 더 정확하게 예산하는 귀중한 솔루션입니다. 캘리포니아 샌 호아킨 밸리에 있는 Vitis vinifera L. cv. Cabernet-Sauvignon 포도원에서 변동률 자동 관개 시스템이 설치되어 12개의 서로 다른 수분 관리 방식을 가진 포도나무를 네 번 무작위로 복제하여 총 48개의 실험 구역을 물주었습니다. 이 실험 설계의 목적은 포도나무 수분 상태에 변동성을 생성하여 모델링을 위한 강력한 데이터 세트를 생성하는 것이었습니다. 성장 시즌 동안, 이러한 구역 내에서 900에서 1700nm 범위의 Near InfraRed (NIR) - Short Wavelength Infrared (SWIR) 하이퍼스펙트럴 카메라를 UAV에 장착하여 스펙트럼 데이터가 수집되었습니다. 이 스펙트럼 영역에서 높은 수분 흡수율을 감안하여 이 센서는 하이퍼스펙트럴 이미지에서 순수 포도나무 픽셀로부터 포도나무 줄기 수분 잠재력(Ψ stem)을 평가하기 위해 배치되었습니다. Ψ stem은 와인 수확을 위한 송이 밀폐부터 수확까지 현장에서 동시에 획득되었으며, 원격 감지된 NIR-SWIR 데이터를 회귀 및 분류 모드에서 예측 변수로 사용하는 머신러닝 방법을 통해 모델링되었습니다(클래스는 생리학적으로 다른 수분 스트레스 수준으로 구성됨). 하이퍼스펙트럴 이미지는 지상의 표준 패널을 사용하여 대기 하단 반사율로 변환되었고, Quick Atmospheric Correction Method (QUAC)를 통해 결과를 비교했습니다. 가장 좋은 모델은 지상의 표준 패널로 얻은 데이터를 사용하여 Ψ stem 값을 예측할 수 있었으며, R²는 0.54, RMSE는 0.11 MPa로 교차 검증에서 추정되었습니다. 가장 좋은 분류는 74%의 정확도를 달성했습니다. 이 프로젝트는 포도원에서 관개를 정확히 모니터링하고 관리하기 위한 새로운 방법을 개발하고, 결핍 관개에 대한 식물 생리학적 반응에 대한 유용한 정보를 제공하는 것을 목표로 합니다.
Laroche-Pinel et al. (화요일)이 이 문제를 연구했습니다.