Merging UAV-Derived Metrics with Crop Physiology to Estimate Sunflower Yield
Rattachement africain : pk, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurate and timely estimation of sunflower yield is crucial for agricultural researchers, farmers, and breeders. Use of Unmanned Aerial Vehicles (UAVs) with multi-spectral sensors has been adopted to meet the need for precise sunflower seed yield predictions. This study proposes a combined approach that integrates 12 remotely sensed vegetation indices (VIs) with 3 key physiological traits - fresh weight, dry weight, and moisture factor - to capture the complex dynamics affecting sunflower crop. Predictive performance of VIs alone and in combination with physiological traits is evaluated using Root Mean Squared Error (RMSE). Our results show that incorporating these two sets of features, along with their temporal, spectral, and statistical characteristics, leads to consistent improvements in sunflower seed yield estimation that can reduce the root mean squared error to as low as 0.4075 ($\text{kg} / \text{plot}$).
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Merging UAV-Derived Metrics with Crop Physiology to Estimate Sunflower Yield
- Date Crossref
- 09/12/2024
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
National University of Sciences and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Pakistan Agricultural Research Council pays non établi dans la noticeOrganisme public
-
University of Kaiserslautern pays non établi dans la noticeUniversité ou école supérieure
-
School of Electrical Engineering and Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
National Agricultural Research Center (NARC) Oilseeds Research Program pays non établi dans la noticeStructure de recherche
-
Rheinland-Pfä pays non établi dans la noticeInstitution
National University of Sciences and Technology, Pakistan Agricultural Research Council et University of Kaiserslautern, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.