日本av 前沿 | 园艺学院房婉萍教悔团队在茶园数字化管控算法与模子征询方面取得焦躁进展
近日，南京农业大学园艺学院房婉萍教悔团队日本av，欺骗无东谈主机遥感与数字化期间竣事江苏省代表性茶园树体长势的智能无损监测。征询恶果以“Non-destructive monitoring of tea plant growth through UAV spectral imagery and meteorological data using machine learning and parameter optimization algorithms”为题，发表在国外著名期刊《Computers and Electronics in Agriculture》。
图1立时丛林算法参数的迭代优化
（a-d）茶树叶片生物量，（e-h）茶树叶片氮素累积量
跟着茶园照应迟缓向集约化发展日本av，急需适用于不同限制茶园的树体长势精确照应计谋。征询登第了江苏省8个具有代表性的茶园算作征询对象，中枢区面积涵盖8.33至39.01公顷。征询团队通过无东谈主机遥感系统赢得茶园遥感影像，同期采集了各茶园的局势数据。遴选参数优化算法分袂耦合立时丛林、弹性追思采集和偏最小二乘追思要领进行茶树叶片生物量和和氮素累积量监测模子构建。征询适度标明，含红边信息的光谱特征在茶树叶片生物量与氮累积量估测中进展最佳，传统机器学习在耦合参数优化算法后模子精度得到权贵进步（图1），其中汇聚三种光谱特征的叶片生物量（R2= 0.76）和氮素累积量（R2= 0.76）监测模子的精度最高。以90和183天为时辰区间构建的温度、发射、降水打算对叶片生物量和氮素累积量监测具有更高的孝敬度（图2），其与光谱特征的汇聚进一步提高了茶树滋长监测模子（R2= 0.79-0.80）的精度。征询同期欺骗高清无东谈主机影像汇聚GIS平台对各茶园地块进行数字化处理，量化了地块空间位置、数目、面积等属性，最终将茶树滋长监测模子与茶园地块数字信息相汇聚，评估了8个茶园的树体生漫空间变异情况（图3；CV = 5.28% ~ 15.90%）。征询为茶树滋长定量化监测和数字化管控提供了焦躁期间守旧。
萝莉抖音
图2 光谱特征（a和c）与局势打算（b和d）对茶树滋长监测模子构建的孝敬度
南京农业大学园艺学院房婉萍教悔为该论文的通信作家，钟山后生征询员江杰为论文第一作家，本团队征询生姬浩田、周官子、潘荣玉、赵丽玉，朱旭君副教悔、马媛春和段玉本分，南京农业大学农学院刘小军教悔，以及江苏鑫品茶业有限公司尹娟、段兆翔参与了部分征询职责。本征询得到了国度当然科学基金、国度当代农业（茶叶）产业期间体系、中国博士后科学基金面上资助、国度资助博士后征询东谈主员推敲等形态资助。
图3江苏省8个代表性茶园的树体生漫空间变异图
（a-h）茶树叶片生物量，（i-p）茶树叶片氮素累积量