研究构建玉米叶面积指数高精度集成学习估算模型
作者：商丘站 更新时间：2024-05-22
近日，中国农科院灌溉所节水高效灌溉技术与装备创新团队，集成多种机器学习算法构建玉米叶面积指数高精度集成学习估算模型，可实现对不同水肥管理模式下玉米叶面积指数实时、快速、精准监测。相关研究成果在线发表在《精准农业》（《Precision Agriculture》）上。
叶面积指数是评估作物生长状况和光能利用效率、制定灌溉和施肥策略的重要参数。传统手工测量方法耗时且破坏作物。遥感技术提供了快速、非破坏性估算叶面积指数的手段，但精确模型构建仍待研究。
研究人员在玉米拔节期、喇叭口期、大喇叭口期等关键生育期采集冠层无人机多光谱数据，结合地面实测玉米叶面积指数数据，构建融合深度森林（DF）、深度神经网络（DNN）、支持向量回归（SVR）和线性回归（LR）的叶面积指数集成学习估算模型。研究结果表明，集成学习算法相比机器学习算法可以有效提升玉米叶面积指数的估算精度，在不同水肥管理模式下，全生育期玉米叶面积指数估算模型的R2值可达0.876。研究为田间水肥高效精确管理提供信息技术支持。
本研究得到了国家重点研发计划（2023YFD1900705）中国农业科学院中央级公益性科研经费等项目资助。
原文链接：https://doi.org/10.1007/s11119-024-10134-z
