Non-destructive and quick assessmen

Non-destructive and quick assessment of grain yield and protein content is needed in modern wheat production. This study was undertaken to determine the optimal spectral index and the best time for predicting grain yield and grain protein content in wheat by fusing multi-sensor and multi-temporal remote-sensing images. Four field experiments were carried out at different locations, cultivars and nitrogen rates in two growing seasons of winter wheat (Triticum aestivum L.). During the experiment periods, data were obtained on time series RS images fused with high temporal and spatial resolutions, along with grain yields and protein contents at maturity. The results showed that the normalized difference vegetation index (NDVI) estimated by fusion exhibits high consistency with the SPOT-5 NDVI, which confirmed the usefulness of related algorithm. The periods around initial gain filling and anthesis stages were identified as the best periods for estimating wheat grain yield and protein content, respectively. The use of ratio vegetation index (RVI) (Nir, Red) at the initial filling stage obtained enhanced accuracy in wheat yield prediction, while the index RNir/(RRed + RGreen) during anthesis predicted grain protein content more accurately than that at other growth stages. In addition, the accumulated spectral index ∑RVI (Nir, Red) and ∑(RNir/(RRed + RGreen)) from jointing to initial filling stage gave higher prediction accuracy for grain yield and protein content, respectively, than the spectral index at a single period. These results help provide a technical approach to the prediction of grain yield and grain protein content in wheat with remote sensing at a large scale.

ผลลัพธ์ (ไทย) 1:

ผลผลิตไม่ทำลายและการประเมินอย่างรวดเร็วของเมล็ดข้าว และโปรตีนที่จำเป็นต้องใช้ในการผลิตทันสมัย ดำเนินการศึกษานี้เพื่อกำหนดดัชนีสเปกตรัมเหมาะสมที่สุดและเหมาะสำหรับการคาดการณ์ผลผลิตเมล็ดข้าวและเมล็ดข้าวโปรตีนในข้าวสาลีโดยเซ็นเซอร์หลาย และหลายชั่วคราวไร้สายระยะไกลภาพ สี่ฟิลด์ทดลองได้ดำเนินการในสถานต่าง ๆ พันธุ์ และอัตราไนโตรเจนเฮย์เติบโตหนาวข้าวสาลี (Triticum aestivum L.) ในระหว่างรอบระยะเวลาการทดลอง ข้อมูลได้รับภาพชุด RS fused กับขมับ และปริภูมิความละเอียดสูง ผลผลิตข้าวและโปรตีนเนื้อหาที่ครบกำหนดเวลา ผลพบว่าความแตกต่างมาตรฐานพืชดัชนี (NDVI) ประเมิน โดยความสม่ำเสมอสูงจัดแสดงฟิวชั่นกับ NDVI จุด-5 ที่ยืนยันประโยชน์ของอัลกอริทึมที่เกี่ยวข้อง รอบรอบแรกได้รับการบรรจุ และขั้น anthesis ระบุเป็นรอบดีที่สุดสำหรับการประเมินข้าวสาลีเมล็ดผลผลิตและโปรตีนเนื้อหา ตามลำดับ ใช้อัตราส่วนดัชนีพืชพรรณ (RVI) (Nir สีแดง) ในระยะเริ่มต้นบรรจุรับเพิ่มความแม่นยำในการทำนายผลผลิตข้าวสาลี ในขณะที่ดัชนี RNir /(RRed + RGreen) ระหว่าง anthesis ทำนายเมล็ดพืชโปรตีนแม่นยำกว่าที่ในขั้นตอนอื่น ๆ เจริญเติบโต เพิ่ม ∑RVI ดัชนีสะสมสเปกตรัม (Nir สีแดง) และ∑ (RNir /(RRed + RGreen)) จากเก็นระยะเริ่มต้นกรอกให้ทำนายความแม่นยำที่สูงขึ้นสำหรับเมล็ดพืชผลผลิตและโปรตีนเนื้อหา ตามลำดับ กว่าดัชนีสเปกตรัมที่ระยะเวลาเดียวกัน ผลลัพธ์เหล่านี้ช่วยให้วิธีเทคนิคการพยากรณ์ผลผลิตเมล็ดข้าวและเมล็ดข้าวโปรตีนในข้าวสาลีที่มีขนาดใหญ่แชมพู

ผลลัพธ์ (ไทย) 2:

การประเมินไม่ทำลายและรวดเร็วของผลผลิตและปริมาณโปรตีนเป็นสิ่งจำเป็นในการผลิตข้าวสาลีที่ทันสมัย การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อกำหนดดัชนีสเปกตรัมที่เหมาะสมและเวลาที่ดีที่สุดสำหรับการพยากรณ์ผลผลิตข้าวและปริมาณโปรตีนในเมล็ดข้าวสาลีโดยการหลอมรวมหลายเซ็นเซอร์และหลายชั่วระยะไกลตรวจจับภาพ สี่ทดลองได้ดำเนินการในสถานที่ที่แตกต่างกัน, พันธุ์และอัตราไนโตรเจนในสองฤดูกาลที่เพิ่มขึ้นของข้าวสาลีฤดูหนาว (Triticum aestivum L. ) ในช่วงระยะเวลาการทดสอบข้อมูลที่ได้รับในเวลาภาพที่อาร์เอสชุดผสมที่มีความละเอียดเวลาและพื้นที่สูงพร้อมกับผลผลิตและปริมาณโปรตีนที่ครบกําหนด ผลการศึกษาพบว่าดัชนีพืชแตกต่างกันปกติ (NDVI) ประเมินโดยฟิวชั่นจัดแสดงนิทรรศการความมั่นคงสูงที่มี SPOT-5 NDVI ซึ่งได้รับการยืนยันประโยชน์ของอัลกอริทึมที่เกี่ยวข้อง ระยะเวลารอบกําไรจากการกรอกข้อมูลและขั้นตอนการเริ่มต้นดอกบานถูกระบุว่าเป็นช่วงเวลาที่ดีที่สุดสำหรับการประเมินผลผลิตข้าวสาลีและโปรตีนตามลำดับ การใช้ดัชนีพืชพรรณอัตราส่วน (RVI) (Nir, สีแดง) ในขั้นตอนการบรรจุครั้งแรกที่ได้รับการปรับปรุงความถูกต้องในการคาดการณ์ผลผลิตข้าวสาลีในขณะที่ดัชนี RNir / (rred + RGreen) ในช่วงดอกบานคาดการณ์ปริมาณโปรตีนข้าวถูกต้องมากขึ้นกว่าที่อื่น ๆ ที่เจริญเติบโต ขั้นตอน นอกจากนี้ดัชนีสเปกตรัมสะสมΣRVI (Nir, สีแดง) และΣ (RNir / (rred + RGreen)) จาก jointing เริ่มแรกกรอกเวทีให้ความถูกต้องคาดการณ์ที่สูงขึ้นสำหรับผลผลิตข้าวและปริมาณโปรตีนตามลำดับกว่าดัชนีสเปกตรัมที่ ในช่วงเวลาเดียว ผลเหล่านี้จะช่วยให้วิธีการทางเทคนิคในการคาดการณ์ผลผลิตข้าวและปริมาณโปรตีนในเมล็ดข้าวสาลีที่มีระยะไกลที่มีขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

ไม่ทำลายและการประเมินอย่างรวดเร็วของผลผลิตและปริมาณโปรตีนเป็นสิ่งจำเป็นในการผลิตข้าวที่ทันสมัย การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาดัชนีสเปกตรัมที่เหมาะสมและเวลาที่ดีที่สุดสำหรับทำนายผลผลิตและปริมาณโปรตีนในข้าวสาลีและเมล็ดโดย multi-sensor ชั่วคราวระยะไกลหลายภาพด้วย . สี่เขตข้อมูลการทดลองในสถานที่ที่แตกต่างกันพันธุ์และอัตราปุ๋ยไนโตรเจน ใน 2 ฤดูปลูก ข้าวสาลีฤดูหนาว ( ข้าวสาลี L . ) ในช่วงระยะเวลาการทดลอง ข้อมูลที่ได้รับภาพ RS อนุกรมเวลาผสมกับสูงชั่วคราว และมิติความละเอียดพร้อมกับข้าวผลผลิตและปริมาณโปรตีนในการเจริญเติบโตผลการศึกษาพบว่า ความแตกต่างของค่าดัชนีพืชพรรณ ( ฟิวชั่นแสดงความสอดคล้องสูงกับการเปลี่ยนแปลงด้านพืชพรรณ spot-5 ซึ่งยืนยันประโยชน์ของขั้นตอนวิธีที่เกี่ยวข้อง . ระยะเวลาเริ่มต้นและขั้นตอนการบรรจุรอบได้รับการระบุเป็นดีที่สุดสำหรับระยะเวลาการประมาณผลผลิตข้าวสาลีและเนื้อหาของโปรตีน ตามลำดับการใช้ดัชนีพืชพรรณอัตราส่วน ( RVI ) ( NIR , แดง ) ในขั้นตอนการกรอกข้อมูลเบื้องต้นที่ได้เพิ่มความแม่นยำในการพยากรณ์ผลผลิตข้าวสาลี ในขณะที่ดัชนี rnir / ( rred rgreen ) ในระหว่างการคาดการณ์โปรตีนเม็ดมากกว่าเนื้อหาถูกต้องกว่าการเจริญเติบโตในระยะเวลาอื่น ๆ นอกจากนี้ ดัชนีสะสมสเปกตรัม NIR ∑ RVI ( ,สีแดง ) และ∑ ( rnir / ( rred rgreen ) จากเวทีบรรจุ jointing เริ่มต้นให้ความแม่นยำการทำนายสูงผลผลิตและปริมาณโปรตีน ตามลำดับ สูงกว่าดัชนีสเปกตรัมในช่วงเดียว ผลลัพธ์เหล่านี้ช่วยให้เทคนิควิธีการเพื่อทำนายผลผลิตและปริมาณโปรตีนในข้าวสาลีเมล็ดข้าวที่มีระยะไกลที่มีขนาดใหญ่