তুলার বৃদ্ধি পর্যবেক্ষণের জন্য ইউএভি মাল্টিস্পেকট্রাল রিমোট সেন্সিং

তিনটি উর্বরতা পর্যায়ে তুলার বহু-বর্ণালী এবং দৃশ্যমান চিত্র UAV-মাউন্টেড মাল্টি-বর্ণালী এবং RGB সেন্সর দ্বারা সংগ্রহ করা হয়েছিল, তাদের বর্ণালী এবং চিত্র বৈশিষ্ট্যগুলি বের করা হয়েছিল এবং মাটিতে তুলা গাছের উচ্চতার সাথে মিলিত হয়ে, তুলার SPAD ভোটিং রিগ্রেশন ইন্টিগ্রেটেড লার্নিং (VRE) দ্বারা অনুমান করা হয়েছিল এবং তিনটি মডেলের সাথে তুলনা করা হয়েছিল, যথা, র‍্যান্ডম ফরেস্ট রিগ্রেশন (RFR), গ্রেডিয়েন্ট বুস্টেড ট্রি রিগ্রেশন (GBR), এবং সাপোর্ট ভেক্টর মেশিন রিগ্রেশন (SVR)। আমরা তুলার আপেক্ষিক ক্লোরোফিল সামগ্রীর উপর বিভিন্ন অনুমান মডেলের অনুমান নির্ভুলতা মূল্যায়ন করেছি এবং তুলার বৃদ্ধির উপর তুলা এবং সয়াবিনের মধ্যে আন্তঃফসলের বিভিন্ন অনুপাতের প্রভাব বিশ্লেষণ করেছি, যাতে তুলা এবং সয়াবিনের মধ্যে আন্তঃফসলের অনুপাত নির্বাচনের জন্য একটি ভিত্তি প্রদান করা যায় এবং তুলা SPAD এর উচ্চ-নির্ভুলতা অনুমান করা যায়।

RFR, GBR, এবং SVR মডেলের তুলনায়, VRE মডেলটি তুলার SPAD অনুমানের ক্ষেত্রে সেরা অনুমানের ফলাফল দেখিয়েছে। VRE অনুমান মডেলের উপর ভিত্তি করে, মাল্টিস্পেকট্রাল চিত্র বৈশিষ্ট্য, দৃশ্যমান চিত্র বৈশিষ্ট্য এবং উদ্ভিদের উচ্চতার সংমিশ্রণ সহ মডেলটির সর্বোচ্চ নির্ভুলতা ছিল যথাক্রমে 0.916, 1.481 এবং 3.53 পরীক্ষা সেট R2, RMSE এবং RPD সহ।