Key points are not available for this paper at this time.
질소(N) 상태를 추정하기 위한 비파괴 기술은 질소 비료 투입을 최적화하고 농업 질소 관리의 환경 영향을 줄이는 데 필수적인 도구입니다. 특히 녹차 재배에서 문제가 많이 발생합니다. 이전에 엽록소(Chl) 추정을 위한 하이퍼스펙트럼 지수가 식별되었으며, 이는 가시 영역에서의 녹색 피크와 적색 에지를 포함하며, 이는 녹색 잎의 N 함량이 Chl 함량과 밀접하게 관련되어 있기 때문에 N 추정에 사용되었습니다. 여기에서는 다양한 N 영양 조건 하의 녹색 잎 및 알비노 노란 잎에서 유래한 N 및 Chl 함량, 그리고 가시 및 근적외선 하이퍼스펙트럼 반사율의 데이터 세트를 확보하였습니다. 그 후 여러 기계 학습 알고리즘 및 전처리 기술을 사용하여 회귀 모델을 구축하였습니다. 기계 학습 알고리즘은 N 및 Chl 함량에 대해 높은 성능 모델을 달성하였으며, 성능과 편차 값의 비율을 기준으로 1.4 또는 2.0의 정확도 임계값을 보장하였습니다. 녹색과 노란 잎 데이터 세트를 통합한 데이터 기반 민감도 분석은 N 및 Chl 함량을 추정하기 위한 반사율의 명확한 차이를 식별하였으며, 특히 1325-1575 nm에서 N 함량 특정 지역을 시사합니다. 이러한 발견은 차엽의 N 함량을 비파괴적으로 추정할 수 있게 하며, 작물의 N 상태를 비파괴적으로 추적하기 위한 고급 지수를 기여할 것입니다.
야마시타 외(Thu,)는 이 질문을 연구했습니다.