論文の概要: Integrating spectral and morphological plant features with decision-tree models for early-season cotton biomass and nitrogen status estimation from multi-year UAV data

• arxiv url: http://arxiv.org/abs/2608.07801v1
• Date: Fri, 07 Aug 2026 22:46:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.51555
• Title: Integrating spectral and morphological plant features with decision-tree models for early-season cotton biomass and nitrogen status estimation from multi-year UAV data
• Title（参考訳）: 初期の綿花バイオマス決定木モデルとスペクトル・形態植物の特徴の統合と多年UAVデータによる窒素状態推定
• Abstract要約: 綿の精密窒素管理 (PNM) には, 作物生育パラメータおよびN状態指標の季節内モニタリングが必要である。 本研究では,木綿乾燥バイオマス重量(DBW),植物N摂取量(PNU),植物N濃度(PNC),臨界N希釈量(Nc),窒素栄養指数(NNI)を推定し,PNMを支持するリモートセンシングおよび機械学習に基づく手法を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precision nitrogen (N) management (PNM) for cotton requires in-season monitoring of crop growth parameters and N status indicators to decide fertilizer timing, placement, and application rates for optimal canopy development and yield. This study developed remote sensing and machine learning-based methods to estimate cotton dry biomass weight (DBW), plant N uptake (PNU), plant N concentration (PNC), critical N dilution (Nc), and nitrogen nutrition index (NNI) to support PNM. To achieve this, a three-year field-based N-management study was conducted and unmanned aerial vehicle (UAV)-based multispectral images were acquired between early vegetative growth and flowering stages, critical for fertilizer applications. Spatiotemporally consistent spectral and morphological plant features, including plant height (PH) and fractional canopy cover (FCC), provided reliable model training inputs. DBW, PNU, and PNC estimates from simple regression using vegetation indices (VIs), multiple linear regression (MLR) combining VIs, PH, and FCC, and decision-tree models, random forest regression (RFR) and extreme gradient boosting (XGB), combining spectral reflectance, PH, and FCC were evaluated using trial-held-out (THO) and leave-one-year-out (LOYO) validation methods. The best validation accuracies were from RFRTHO (R2 = 0.88 and MAPE = 23.14% for DBW; R2 = 0.84 and MAPE = 20.61% for PNU; R2 = 0.85 and MAPE = 7.82% for PNC) and XGBTHO (R2 = 0.87 and MAPE = 21.91% for DBW; R2 = 0.81 and MAPE = 21.40% for PNU; R2 = 0.86 and MAPE = 7.66% for PNC). Nc was calculated from model estimated DBW and PNC for high-yielding, medium-to-tall cotton varieties grown in the Texas Coastal Plains and validated using ground-truth biomass measurements. NNI derived from XGBTHO outputs performed marginally better than NNI from RFRTHO in identifying N-deficient plots and multi-level N-stress categorization.
• Abstract（参考訳）: 綿の精密窒素管理 (PNM) には, 施肥時期, 設置時期, 施肥率を決定するため, 作物生育パラメータおよびN状態指標の季節内モニタリングが必要である。 本研究では,木綿乾燥バイオマス重量(DBW),植物N摂取量(PNU),植物N濃度(PNC),臨界N希釈量(Nc),窒素栄養指数(NNI)を推定し,PNMを支持するリモートセンシングおよび機械学習に基づく手法を開発した。 これを実現するため,3年間にわたるN-Management研究を行い,初期植生成長と開花期の間に無人航空機(UAV)によるマルチスペクトル画像を得た。 植物の高さ (PH) や分画天蓋 (FCC) など, 時空間的に一貫したスペクトルおよび形態的特徴は, 信頼性の高いモデルトレーニング入力を提供した。 DBW, PNU, PNCは, 植生指標(VIs), 多重線形回帰(MLR), VIs, PH, FCC, 決定木モデル, ランダム森林回帰(RFR), 極度勾配上昇(XGB), スペクトル反射率, PH, FCCを組み合わせた簡易回帰から, トライアルホールドアウト(THO) と残余1年アウト(LOYO)による評価を行った。 RFRTHO (R2 = 0.88 と MAPE = 23.14%、PNUは R2 = 0.84 と MAPE = 20.61%、PNCは R2 = 0.85 と MAPE = 7.82%、DBWは XGBTHO (R2 = 0.87 と MAPE = 21.91%、PNUは R2 = 0.81 と MAPE = 21.40%、PNCは R2 = 0.86 と MAPE = 7.66% である。 テキサス海岸平原で栽培された高収量・中高木綿品種のモデルDBWおよびPNCからNcを算出し, 地中性バイオマス測定を用いて検証した。 RFRTHOのXGBTHO出力から得られたNNIは,N不足プロットの同定やNストレスの多段階分類において,NNIよりも極端に優れていた。

関連論文リスト

• LeNEPA: No-Augmentation Next-Latent Prediction for Time-Series Representation Learning [59.34593956287438]
  我々は,事前学習信号ファミリーが変化した後,メソッド固有の構成が再利用されない場合にSSLレシピがどのように振る舞うかを検討する。 我々は遅延ユークリッド次世代予測アーキテクチャ(LeNEPA)を紹介する。 LeNEPAは、バニラNEPAが使用する停止段階/EMA安定化をSIGRegベースのイソトロピー正則化に置き換える。
  論文  参考訳（メタデータ） (2026-07-01T13:56:21Z)
• Spectroscopy Analysis with Machine Learning Regression for the Quantification of Carbon and Nitrogen Contents in Inceptisol and Oxisol Soil Types: Comparing Different Preprocessing and Validation methods as well as Feature Importance [0.35971250637104313]
  近赤外分光法(NIR)は、従来の土壌分析法に代わる有望な方法として出現している。 本研究は,OxisolsおよびInceptisolsにおける炭素(C)および窒素(N)含有量の予測モデルを校正するための機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2026-07-01T11:54:44Z)
• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• Integrating Feature Selection and Machine Learning for Nitrogen Assessment in Grapevine Leaves using In-Field Hyperspectral Imaging [1.3177358732857354]
  窒素(N)はブドウ園で最も重要な栄養素の1つであり、植物の成長やワインやジュースなどのその後の製品に影響を及ぼす。 本研究では,異なるブドウ畑から採集された4種類のブドウ品種の400-1000nmの波長を持つフィールド内ハイパースペクトル画像を用いた。 葉レベルおよび天蓋レベルでN濃度を予測するモデルを開発した。
  論文  参考訳（メタデータ） (2025-07-23T18:53:23Z)
• Harnessing Near-Infrared Spectroscopy and Machine Learning for Traceable Classification of Hanwoo and Holstein Beef [0.0]
  本研究では, 近赤外分光法(NIRS)と高度な機械学習(ML)技術を組み合わせて, 食品の真正性, 誤ラベル, 密着性に対処するために, ハンウー・ビーフ(HNB)とホルスタイン・ビーフ(HLB)を区別する手法について検討した。
  論文  参考訳（メタデータ） (2025-06-24T02:41:51Z)
• Generating high-quality 3DMPCs by adaptive data acquisition and NeREF-based radiometric calibration with UGV plant phenotyping system [3.7387019397567793]
  本研究では, 適応データ取得とラジオメトリックキャリブレーションにより高品質な3DMPCを生産する手法を提案する。 プラント全体のデータの完全性は、固定された視点のみと比較して平均23.6%向上した。 3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
  論文  参考訳（メタデータ） (2023-05-11T12:59:21Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Predicting and Mapping of Soil Organic Carbon Using Machine Learning Algorithms in Northern Iran [0.0]
  本研究では,支援ベクトルマシン,人工ニューラルネットワーク,回帰木,ランダムフォレスト,極勾配向上,および従来の深部ニューラルネットワークを用いて,SOCの予測モデルを前進させる機械学習アルゴリズムを提案する。 モデルは、1879年の複合表層土壌サンプルと105の補助データで訓練されている。
  論文  参考訳（メタデータ） (2020-07-12T08:23:24Z)
• Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
  グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
  論文  参考訳（メタデータ） (2020-02-26T06:10:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。