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，运用多种机器学习方法分析无人机遥感多源数据，融合构建出玉米叶绿素含量估算模型，能快速、无损、大范围、高精度检测玉米叶片叶绿素含量。相关研究成果在线发表在《遥感》（《Remote Sensing》）上。

叶绿素吸收光合有效辐射为光合作用提供能量，其含量是判断作物长势、精准确定灌溉施肥量的重要冠层叶片信息之一。目前，叶绿素含量主流检测方法为破坏取样与点取样，无法无损检测大范围叶片精准叶绿素含量。

作为一种色素，叶绿素有较强的光谱特性。科研人员收集、整理无人机RGB、多光谱、热红外等遥感数据资料生成多套遥感数据集，分别运用岭回归（RR）、轻量级梯度提升机（LightGBM）和随机森林回归（RFR）处理。为了进一步提高估算精度提升模型性能，研究采用Stacking集成学习算法，将上述多个单一算法的结果进行整合，处理数据，提取特征，最终得到了玉米叶绿素含量的冠层光谱特征、热特征和结构特征等关键冠层特征参数，建立了玉米叶绿素含量估算模型。研究结果显示，模型预测能力统计量R2范围在0.699-0.754之间，模型预测能力较强。研究为田间农情信息精准获取提供科学有效的遥感技术支持。

研究得到“十四五”国家重点研发计划、中国农业科学院科技创新工程、中央级公益性科研院所基本科研业务费、河南省重大科技专项等项目资助。

原文链接：https://doi.org/10.3390/rs15133454

图1 工作流程图

图2 最佳估算模型的玉米叶绿素含量估算空间分布