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”与中国农科院作科所、信息所，中国农业大学有关团队合作，利用机器学习结合无人机遥感光谱影像，再次提高了对作物株高、叶面积指数、作物产量等测评的精准度，为大型喷灌机精准变量灌溉技术提供了更为精准的决策依据。

为提高株高观测精度，研究人员引入机器学习点云比较地面测量值与二维红-绿-蓝（2D-RGB）、二维多光谱（2D-MS）和三维红-绿-蓝（3D-RGB）图像中提取的蚕豆株高值，发现从二维红-绿-蓝（2D-RGB）图像中提取的最大株高80%最符合地面测量值。此外，研究人员通过机器学习连续两年跟踪遥感监测的不同水肥处理条件下玉米叶面积指数，发现感知精度决定性系数达到0.97。在产量预测方面，科研人员在前期研究的基础上，利用集成学习模型分析不同组合的遥感传感器影像，发现可见光影像在产量预测占比权重较高，对可见光影像的多次机器学习可进一步提高产量预测精度。

研究表明，利用无人机高通量遥感平台监测作物全生育期的株高、叶面积指数、预测产量既无损可行，又将有助于高效精准灌溉管理决策。

据悉，科研人员正在对不同光谱、不同机器学习算法进行研究，以期构建更优预测方法并诊断灌溉过程中水氮空间分布，为精准变量灌溉、智慧灌溉决策提供可靠决策依据。

相关研究成果分别在线发表于《精准农业（Precision Agriculture）》《植物学方法（Plant Methods）》和《农业（Agriculture）》上。

论文链接：

https://doi.org/10.1007/s11119-022-09938-8

https://doi.org/10.1186/s13007-022-00861-7

https://doi.org/10.3390/agriculture12081267、https://doi.org/10.3390/agriculture12060892