• Twitter
  • Facebook
  • Google+
  • LinkedIn

机器学习可以帮助监控作物生长

  • /* Style Definitions */ table.msonormaltable {MSO的风格,名称:“表正常”; MSO的tstyle-rowband尺寸:0; MSO的tstyle-colband尺寸:0; MSO的风格noshow:是; MSO的风格优先:99; MSO的风格qformat:是的; MSO的风格父母:“”; MSO的填充 - 交替:0in 5.4pt 0in 5.4pt; MSO的第利润率:0in; MSO - 对 - 边距:.0001pt; MSO的分页:寡妇,孤儿; 字体大小:11.0pt; FONT-FAMILY: “宋体”, “无衬线”; MSO-ASCII-FONT-FAMILY:宋体; MSO-ASCII的主题字体:小的拉丁; MSO的远东-FONT-FAMILY: “宋体”; MSO的远东主题的字体:小调远东; MSO的汉斯 - FONT-FAMILY:宋体; MSO的汉斯 - 主题字体:小的拉丁; MSO的比迪-FONT-FAMILY: “宋体”; MSO的比迪烟,主题字体:小的,比迪;} 照片由梅丽莎那副上unsplash

研究人员利用来自卫星雷达数据来估计,确定大豆和小麦的生长参数。

卫星的眼睛看到什么,我们不能。谷歌街景,例如,带你无形中给一条街,可能是数千英里远,并让你的在道路中央。它通过使用在一个非常高的分辨率捕捉地球的每一个细节的卫星数据这样做。很多这样的遥感卫星用于军事用途了。在最近的一项研究中,研究人员在技术孟买(188比分直播网)和加拿大农业及农业食品部的印度理工学院已经使用卫星数据来监测农作物的生长。

农业国家,如印度,监控作物生长是粮食安全和经济至关重要。然而,下农业领域,物理监测与约60%是乏味和不可行。这里是卫星可以帮助我们。遥感卫星数据包括地球表面的雷达扫描和被广泛用于森林映射和监测。使用各种生物物理参数,可以在给定区域估计生物量。

在目前的研究中,研究人员估计,确定在加拿大马尼托巴省小麦和大豆作物生长3个生物物理参数,利用卫星数据。这些包括在叶面积指数,生物量和植物高度。叶面积指数,顾名思义,是暴露于每单位地面天空中的叶面积,并确定树叶和冠层结构。生物质参数确定水含量和碳的积累量。

研究人员开始通过建立数学模型来获取来自卫星的数据和观察植被的信息。他们使用了一种叫做水云模型的模型,该模型假定在作物冠层中的水含量为分散在水云。这个假设提供了一个准确的模型用于分析来自卫星的数据得到的反射雷达信号。的模型和数学关系使用的是被称为“模型反演”过程,然后将其用于通过使用雷达数据作为输入以确定各种植物生长的描述符,如作物高度构成。

在目前的研究,发表在应用地球观测和地理信息国际期刊中,研究人员利用机器学习来进行模型反演。学习机由一组统计模型和算法,使计算机系统从数据中学习没有明确的指令。该机在行动学习的一个熟悉的例子是,你是显示在根据您的搜索和购物历史上的一个在线购物网站集推荐产品。

机器学习方法通​​常映射多个输入参数来确定一个输出。如果需要多个输出,这些算法必须对每个输出排他地运行。然而,当输出是非线性关系,最终的结果变得容易出错。因此,我们需要一个算法,不忽视产出的关系。 “我们已经确定了叶面积指数和植物生物量的需求之间的这种关系被保存为模型反演,因为它们直接关系到农作物的产量,说:”先生dipankar曼达尔谁调查的实验是他的博士研究工作的一部分。

传统算法,如多输出支持向量回归,需要大量的存储器,并且不与大数据集表现良好。当前研究的研究人员使用所谓的多目标随机森林回归(mtrfr)的算法,该算法考虑到的输出之间的关系。他们使用卫星数据来估计在流域南部马尼托巴红河叶面积指数,生物量和对小麦和大豆植物高度。他们发现,新设计的模型不仅复制的数据,但也保留了输出之间的关系。这种方法比传统算法更准确。

虽然模型来估计在加拿大作物参数,就可以在印度使用一些变化,研究人员说。 “不同于加拿大字段,印第安字段是尺寸较小并且具有变化的种植模式。因此,我们可能需要高分辨率和时间相关的数据,说:”博士avik巴塔查里亚从188比分直播网,谁领导了这项研究。因此,需要反转策略也将不得不改变。

在本研究的下一步,研究人员计划利用他们的调查结果,以评估在作物生产中的风险。他们也想尽办法来优化他们的算法,使他们能够在大规模数据使用。

 

文章写的

巴拉拉姆毗湿奴subramani和spoorthy拉曼

图片来源

照片由梅丽莎那副上unsplash

gubbi实验室网页链接

 

研究领域: