近日，中国农业科学院农田灌溉研究所节水高效灌溉技术与装备创新团队，采用特征选择方法对水分胁迫冬小麦无人机高光谱影像指数进行筛选，开发了一个决策层融合集成机器学习模型，探索利用无人机高光谱图像建立冬小麦产量估算的模型，为农业生产精准灌溉管理提供科学依据。相关研究成果在线发表于《农学-巴塞尔（Agronomy-Basel）》。

及时、准确预测不同水分胁迫情况下作物长势和收获产量，对农业精准灌溉、保证粮食安全有重要意义。该团队以实测产量值为地面真实测量值，采用递归特征消除、Boruta特征选择和皮尔逊相关系数三种特征选择方法，依次过滤高光谱指数来降低数据的维度。同时使用特征选择方法提取出优选高光谱指数作为输入变量，分别构造支持向量机、高斯过程、线性岭回归和随机森林产量预测模型，并以此开发了决策层融合集成机器学习模型来预测小麦的产量。研究发现，开花期基于递归特征选择的方法准确率较高，灌浆期基于Boruta特征选择的方法准确率较高，决策层融合模型优于四种基础模型，实现了使用优选高光谱指数特征时的最高准确度，可有效预测水分胁迫情境下冬小麦产量。

该研究得到中国农科院科技创新工程等项目资助。（通讯员：单文晴）

报道链接：研究构建水分胁迫情境下基于无人机高光谱影像的冬小麦产量预测模型_中国农业科学院 (caas.cn)