近日，中國農業(yè)科學院農田灌溉研究所節(jié)水高效灌溉技術與裝備創(chuàng)新團隊，采用特征選擇方法對水分脅迫冬小麥無人機高光譜影像指數(shù)進行篩選，開發(fā)了一個決策層融合集成機器學習模型，探索利用無人機高光譜圖像建立冬小麥產量估算的模型，為農業(yè)生產精準灌溉管理提供科學依據(jù)。相關研究成果在線發(fā)表于《農學-巴塞爾（Agronomy-Basel）》。
及時、準確預測不同水分脅迫情況下作物長勢和收獲產量，對農業(yè)精準灌溉、保證糧食安全有重要意義。該團隊以實測產量值為地面真實測量值，采用遞歸特征消除、Boruta特征選擇和皮爾遜相關系數(shù)三種特征選擇方法，依次過濾高光譜指數(shù)來降低數(shù)據(jù)的維度。同時使用特征選擇方法提取出優(yōu)選高光譜指數(shù)作為輸入變量，分別構造支持向量機、高斯過程、線性嶺回歸和隨機森林產量預測模型，并以此開發(fā)了決策層融合集成機器學習模型來預測小麥的產量。研究發(fā)現(xiàn)，開花期基于遞歸特征選擇的方法準確率較高，灌漿期基于Boruta特征選擇的方法準確率較高，決策層融合模型優(yōu)于四種基礎模型，實現(xiàn)了使用優(yōu)選高光譜指數(shù)特征時的最高準確度，可有效預測水分脅迫情境下冬小麥產量。
該研究得到中國農科院科技創(chuàng)新工程等項目資助。（通訊員：單文晴）
論文鏈接：（ https://doi.org/10.3390/agronomy12010202）。
