Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đánh giá các phương pháp phân loại hình ảnh không giám sát và có giám sát để lập bản đồ bệnh thối rễ bông
Tóm tắt
Bệnh thối rễ bông, do nấm gây hại Phymatotrichopsis omnivora gây ra, là một trong những bệnh hại cây trồng gây tàn phá nghiêm trọng nhất xảy ra trên khắp khu vực Tây Nam Hoa Kỳ. Bệnh này đã đeo bám ngành công nghiệp bông suốt hơn một thế kỷ, nhưng các phương pháp kiểm soát hiệu quả vẫn chưa được xác định. Nghiên cứu gần đây đã chỉ ra rằng một loại thuốc trừ nấm thương mại, flutriafol, có khả năng kiểm soát bệnh thối rễ bông. Để kiểm soát hiệu quả và tiết kiệm kinh phí bệnh này, cần xác định các khu vực bị nhiễm bệnh trong ruộng để công nghệ áp dụng theo vị trí có thể được sử dụng để phun thuốc chỉ vào những khu vực bị nhiễm. Các mục tiêu của nghiên cứu này là đánh giá phân loại không giám sát áp dụng cho hình ảnh đa phổ, phân loại không giám sát áp dụng cho chỉ số thực vật phân biệt chuẩn hóa (NDVI) và sáu kỹ thuật phân loại có giám sát, bao gồm khoảng cách tối thiểu, khoảng cách Mahalanobis, xác suất tối đa và trình phân loại góc quang phổ (SAM), mạng nơ-rôn và máy vector hỗ trợ (SVM), để lập bản đồ bệnh thối rễ bông từ hình ảnh đa phổ trên không. Hai cánh đồng bông có lịch sử nhiễm bệnh thối rễ ở Texas, Hoa Kỳ đã được chọn cho nghiên cứu này. Hình ảnh trên không với các băng tần xanh, xanh lá cây, đỏ và cận hồng ngoại đã được ghi lại từ các cánh đồng ngay trước khi thu hoạch khi các khu vực bị nhiễm đã bộc lộ đầy đủ vào năm 2011. Hình ảnh bốn băng tần đã được phân loại thành các khu vực bị nhiễm và không bị nhiễm bằng cách sử dụng tám phương pháp phân loại. Giá trị chỉ số đồng thuận phân loại cho việc ước lượng khu vực bị nhiễm giữa bất kỳ hai phương pháp nào dao động từ 0.90 đến 1.00 cho cả hai cánh đồng, cho thấy mức độ đồng thuận cao giữa tám phương pháp. Đánh giá độ chính xác cho thấy tất cả tám phương pháp đều xác định chính xác các khu vực nhiễm thối rễ với các giá trị độ chính xác tổng thể từ 94.0 đến 96.5% cho Cánh đồng 1 và từ 93.0 đến 95.0% cho Cánh đồng 2. Tất cả tám phương pháp có vẻ như đều hiệu quả và chính xác như nhau trong việc phát hiện bệnh thối rễ bông cho quản lý theo vị trí cụ thể của bệnh này, mặc dù phân loại dựa trên NDVI, khoảng cách tối thiểu và SAM có thể được thực hiện dễ dàng mà không cần khả năng xử lý hình ảnh phức tạp. Những phương pháp này có thể được sử dụng bởi các nhà sản xuất bông và tư vấn nông nghiệp để phát triển bản đồ chỉ định cho việc kiểm soát hiệu quả và tiết kiệm chi phí bệnh thối rễ bông.
Từ khóa
#bệnh thối rễ bông #phân loại hình ảnh #nấm Phymatotrichopsis omnivora #NDVI #quản lý cây trồngTài liệu tham khảo
Campbell, J. B. (2002). Introduction to remote sensing (3rd ed.). New York, USA: The Guilford Press.
Congalton, R. G., & Green, K. (1999). Assessing the accuracy of remotely sensed data: Principles and practices. Boca Raton, Florida, USA: Lewis Publishers.
Ezekiel, W. N., & Taubenhaus, J. J. (1934). Cotton crop losses from Phymatotrichum root rot. Journal of Agricultural Research, 49(9), 843–858.
Hsu, C.-W., Chang, C.-C., & Lin, C.-J. (2007). A practical guide to support vector classification. National Taiwan University, Taipei. http://ntu.csie.org/~cjlin/papers/guide/guide.pdf. Accessed 12 May 2014.
Intergraph Corporation. (2013). ERDAS Field Guide. Huntsville, Alabama, USA: Intergraph Corporation.
Isakeit, T., Minzenmayer, R. R., Abrameit, A., Moore, G., & Scasta, J. D. (2010). Control of Phymatotrichopsis root rot of cotton with flutriafol. In: Proceedings of Beltwide Cotton Conferences (pp. 200–203). Memphis, Tennessee, USA: National Cotton Council of America.
Isakeit, T., Minzenmayer, R. R., Drake, D. R., Morgan, G. D., Mott, D. A., Fromme, D. D., et al. (2012). Fungicide management of cotton root rot (Phymatotrichopsis omnivora): 2011 results. In: Proceedings of Beltwide Cotton Conferences (pp. 235–238). Memphis, Tennessee, USA: National Cotton Council of America.
Jensen, J. R. (1996). Introductory digital image processing: A remote sensing perspective (2nd ed.). Englewood Cliffs, New Jersey, USA: Prentice-Hall.
Kruse, F. A., Lefkoff, A. B., Boardman, J. W., Heidebrecht, K. B., Shapiro, A. T., Barloon, J. P., et al. (1993). The spectral image processing system (SIPS): Interactive visualization and analysis of imaging spectrometer data. Remote Sensing of Environment, 44, 145–163.
Nixon, P. R., Escobar, D. E., & Bowen, R. L. (1987). A multispectral false-color video imaging system for remote sensing applications. In: Proceedings of the 11th Biennial Workshop on Color Aerial Photography and Videography in the Plant Sciences and Related Fields (Vol. 340, pp. 295–305). Bethesda, Maryland, USA: American Society for Photogrammetry and Remote Sensing.
Richards, J. A. (1999). Remote sensing digital image analysis (p. 240). Berlin, Germany: Springer-Verlag.
Rouse, J. W., Haas, R. H., Shell, J. A., & D. W. Deering. (1973). Monitoring vegetation systems in the Great Plains with ERTS. In: Proceedings of the 3rd ERTS Symposium, NASA SP-351 (pp. 309–317). Washington, DC: U.S. Government Printing Office.
Smith, H. E., Elliot, F. C., & Bird, L. S. (1962). Root rot losses of cotton can be reduced. Publication No. MP361. College Station, Texas, USA: Texas A&M Agricultural Extension Service.
Yang, C. (2012a). A high resolution airborne four-camera imaging system for agricultural applications. Computers and Electronics in Agriculture, 88, 13–24.
Yang, C., Fernandez, C. J., & Everitt, J. H. (2005). Mapping Phymatotrichum root rot of cotton using airborne three-band digital imagery. Transactions of the ASAE, 48(4), 1619–1626.
Yang, C., Fernandez, C. J., & Everitt, J. H. (2010). Comparison of airborne multispectral and hyperspectral imagery for mapping cotton root rot. Biosystems Engineering, 107, 131–139.
Yang, C., Odvody, G. N., Fernandez, C. J., Landivar, J. A., Minzenmayer, R. R., Nichols, R. L., et al. (2012). Monitoring cotton root rot progression within and across growing seasons using remote sensing. In: Proceedings of Beltwide Cotton Conferences (pp. 475–480). Memphis, Tennessee, USA: National Cotton Council of America.
Yang, C., Odvody, G. N., Fernandez, C. J., Landivar, J. A., Minzenmayer, R. R., Nichols, R. L., et al. (2014). Monitoring cotton root rot progression within a growing season using airborne multispectral imagery. Journal of Cotton Science, 18(1), 85–93.