Published November 10, 2020 | Version v1
Publication Open

Nondestructive estimation of potato yield using relative variables derived from multi-period LAI and hyperspectral data based on weighted growth stage

Creators

  • 1. Institute of Agricultural Resources and Regional Planning
  • 2. Chinese Academy of Agricultural Sciences
  • 3. Tianjin Polytechnic University
  • 4. Shandong University of Finance and Economics

Description

The accurate estimation of potato yield at regional scales is crucial for food security, precision agriculture, and agricultural sustainable development.In this study, we developed a new method using multi-period relative vegetation indices (rVIs) and relative leaf area index (rLAI) data to improve the accuracy of potato yield estimation based on the weighted growth stage. Two experiments of field and greenhouse (water and nitrogen fertilizer experiments) in 2018 were performed to obtain the spectra and LAI data of the whole growth stage of potato. Then the weighted growth stage was determined by three weighting methods (improved analytic hierarchy process method, IAHP; entropy weight method, EW; and optimal combination weighting method, OCW) and the Slogistic model. A comparison of the estimation performance of rVI-based and rLAI-based models with a single and weighted stage was completed.The results showed that among the six test rVIs, the relative red edge chlorophyll index (rCIred edge) was the optimal index of the single-stage estimation models with the correlation with potato yield. The most suitable single stage for potato yield estimation was the tuber expansion stage. For weighted growth stage models, the OCW-LAI model was determined as the best one to accurately predict the potato yield with an adjusted R2 value of 0.8333, and the estimation error about 8%.This study emphasizes the importance of inconsistent contributions of multi-period or different types of data to the results when they are used together, and the weights need to be considered.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد التقدير الدقيق لمحصول البطاطس على المستويات الإقليمية أمرًا بالغ الأهمية للأمن الغذائي والزراعة الدقيقة والتنمية الزراعية المستدامة. في هذه الدراسة، طورنا طريقة جديدة باستخدام مؤشرات الغطاء النباتي النسبية متعددة الفترات (rVIs) وبيانات مؤشر مساحة الأوراق النسبية (rLAI) لتحسين دقة تقدير محصول البطاطس بناءً على مرحلة النمو المرجح. تم إجراء تجربتين للحقل والدفيئة (تجارب الأسمدة المائية والنيتروجينية) في عام 2018 للحصول على بيانات الأطياف و LAI لمرحلة النمو الكاملة للبطاطس. ثم تم تحديد مرحلة النمو المرجح من خلال ثلاث طرق ترجيح (طريقة عملية التسلسل الهرمي التحليلي المحسنة، IAHP ؛ طريقة وزن الإنتروبيا، EW ؛ وطريقة الترجيح المثلى المركبة، OCW) والنموذج التعبيري. تم الانتهاء من مقارنة أداء التقدير للنماذج القائمة على rVI والنماذج القائمة على rLAI مع مرحلة واحدة ومرجحة. أظهرت النتائج أنه من بين اختبارات rVI الستة، كان مؤشر الكلوروفيل ذو الحافة الحمراء النسبية (rCIred edge) هو المؤشر الأمثل لنماذج التقدير أحادية المرحلة مع الارتباط بمحصول البطاطس. كانت المرحلة الوحيدة الأكثر ملاءمة لتقدير محصول البطاطس هي مرحلة توسع الدرنة. بالنسبة لنماذج مرحلة النمو المرجح، تم تحديد نموذج OCW - LAI كأفضل نموذج للتنبؤ بدقة بمحصول البطاطس بقيمة R2 معدلة تبلغ 0.8333، وخطأ التقدير حوالي 8 ٪. تؤكد هذه الدراسة على أهمية المساهمات غير المتسقة للبيانات متعددة الفترات أو أنواع مختلفة من البيانات في النتائج عند استخدامها معًا، ويجب مراعاة الأوزان.

Translated Description (French)

L'estimation précise du rendement de la pomme de terre à l'échelle régionale est cruciale pour la sécurité alimentaire, l'agriculture de précision et le développement agricole durable. Dans cette étude, nous avons développé une nouvelle méthode utilisant des indices relatifs de végétation (rVI) et des données d'indices relatifs de surface foliaire (rLAI) multi-périodiques pour améliorer la précision de l'estimation du rendement de la pomme de terre basée sur le stade de croissance pondéré. Deux expériences de terrain et de serre (expériences sur l'eau et les engrais azotés) en 2018 ont été réalisées pour obtenir les spectres et les données LAI de l'ensemble du stade de croissance de la pomme de terre. Ensuite, l'étape de croissance pondérée a été déterminée par trois méthodes de pondération (méthode de processus de hiérarchie analytique améliorée, IAHP ; méthode de pondération entropique, EW ; et méthode de pondération de combinaison optimale, OCW) et le modèle slogistique. Une comparaison de la performance d'estimation des modèles à base de rVI et à base de rLAI avec une étape unique et pondérée a été réalisée. Les résultats ont montré que parmi les six rVI testés, l'indice relatif de la chlorophylle du bord rouge (rCIred edge) était l'indice optimal des modèles d'estimation à une étape avec la corrélation avec le rendement de la pomme de terre. L'étape unique la plus appropriée pour l'estimation du rendement de la pomme de terre était l'étape d'expansion des tubercules. Pour les modèles de stade de croissance pondérés, le modèle OCW-LAI a été déterminé comme le meilleur pour prédire avec précision le rendement en pommes de terre avec une valeur R2 ajustée de 0,8333, et l'erreur d'estimation d'environ 8%. Cette étude souligne l'importance des contributions incohérentes de plusieurs périodes ou de différents types de données aux résultats lorsqu'ils sont utilisés ensemble, et les poids doivent être pris en compte.

Translated Description (Spanish)

La estimación precisa del rendimiento de la papa a escala regional es crucial para la seguridad alimentaria, la agricultura de precisión y el desarrollo agrícola sostenible. En este estudio, desarrollamos un nuevo método que utiliza los índices relativos de vegetación (rVI) multiperíodo y los datos del índice relativo de área foliar (rLAI) para mejorar la precisión de la estimación del rendimiento de la papa en función de la etapa de crecimiento ponderado. Se realizaron dos experimentos de campo e invernadero (experimentos de agua y fertilizantes nitrogenados) en 2018 para obtener los datos de espectros y LAI de toda la etapa de crecimiento de la papa. Luego, la etapa de crecimiento ponderado se determinó mediante tres métodos de ponderación (método de proceso de jerarquía analítica mejorada, IAHP; método de peso de entropía, EW; y método de ponderación de combinación óptima, OCW) y el modelo logístico. Se completó una comparación del rendimiento de la estimación de modelos basados en rVI y basados en rLAI con una etapa única y ponderada. Los resultados mostraron que entre los seis rVI de prueba, el índice relativo de clorofila de borde rojo (borde rCIred) fue el índice óptimo de los modelos de estimación de una sola etapa con la correlación con el rendimiento de la papa. La etapa única más adecuada para la estimación del rendimiento de la patata fue la etapa de expansión del tubérculo. Para los modelos de etapa de crecimiento ponderado, el modelo OCW-LAI se determinó como el mejor para predecir con precisión el rendimiento de la papa con un valor ajustado de R2 de 0.8333 y el error de estimación de alrededor del 8%. Este estudio enfatiza la importancia de las contribuciones inconsistentes de datos de múltiples períodos o diferentes tipos de datos a los resultados cuando se usan juntos, y se deben considerar los pesos.

Files

s13007-020-00693-3.pdf

Files (2.2 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:40ad2d45a8af7d31c6d92e35e6f7dd7c
2.2 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
التقدير غير التدميري لمحصول البطاطس باستخدام المتغيرات النسبية المستمدة من بيانات LAI وبيانات الطيف الفائق متعددة الفترات بناءً على مرحلة النمو المرجح
Translated title (French)
Estimation non destructive du rendement en pommes de terre à l'aide de variables relatives dérivées de données multi-périodes LAI et hyperspectrales basées sur le stade de croissance pondéré
Translated title (Spanish)
Estimación no destructiva del rendimiento de la patata utilizando variables relativas derivadas de LAI multiperíodo y datos hiperespectrales basados en la etapa de crecimiento ponderada

Identifiers

Other
https://openalex.org/W3099701207
DOI
10.1186/s13007-020-00693-3

Is supplement to
https://openalex.org/W4313014865 (Other)
https://openalex.org/W3209970181 (Other)
https://openalex.org/W3034375524 (Other)
https://openalex.org/W2343470940 (Other)
https://openalex.org/W2072166414 (Other)
https://openalex.org/W2070598848 (Other)
https://openalex.org/W2060875994 (Other)
https://openalex.org/W2044184146 (Other)
https://openalex.org/W2027399350 (Other)
https://openalex.org/W2019190440 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1984127772
  • https://openalex.org/W1985197751
  • https://openalex.org/W1987686391
  • https://openalex.org/W1995077345
  • https://openalex.org/W2008190217
  • https://openalex.org/W2055425291
  • https://openalex.org/W2058860098
  • https://openalex.org/W2064552842
  • https://openalex.org/W2067039847
  • https://openalex.org/W2078996926
  • https://openalex.org/W2093902012
  • https://openalex.org/W2094677081
  • https://openalex.org/W2109006150
  • https://openalex.org/W2115268776
  • https://openalex.org/W2116627051
  • https://openalex.org/W2118791227
  • https://openalex.org/W2128438912
  • https://openalex.org/W2172943126
  • https://openalex.org/W2323605208
  • https://openalex.org/W2401909017
  • https://openalex.org/W2499691472
  • https://openalex.org/W2508408411
  • https://openalex.org/W2509887125
  • https://openalex.org/W2519229624
  • https://openalex.org/W2524619320
  • https://openalex.org/W2536098611
  • https://openalex.org/W2560318803
  • https://openalex.org/W2562923307
  • https://openalex.org/W2588704575
  • https://openalex.org/W2600037548
  • https://openalex.org/W2612050314
  • https://openalex.org/W2646675373
  • https://openalex.org/W2742021796
  • https://openalex.org/W2754714613
  • https://openalex.org/W2766172906
  • https://openalex.org/W2809949684
  • https://openalex.org/W2888549875
  • https://openalex.org/W2903437679
  • https://openalex.org/W2904950031
  • https://openalex.org/W2905332762
  • https://openalex.org/W2907047183
  • https://openalex.org/W2908843349
  • https://openalex.org/W2912210680
  • https://openalex.org/W2913970854
  • https://openalex.org/W2916306081
  • https://openalex.org/W2921360674
  • https://openalex.org/W2940232517
  • https://openalex.org/W2944785292
  • https://openalex.org/W2945065301
  • https://openalex.org/W2964415981
  • https://openalex.org/W2965157884
  • https://openalex.org/W2968928031
  • https://openalex.org/W2981383845
  • https://openalex.org/W2985760668
  • https://openalex.org/W2988241847
  • https://openalex.org/W3005430388
  • https://openalex.org/W3006487150
  • https://openalex.org/W3007045993
  • https://openalex.org/W633320881