智慧农业中心在大田作物长势的智能监测方面取得新进展

小麦是世界上最重要的粮食作物之一，其高产稳产对保障粮食安全具有重要意义。遥感技术可以快速、无损、实时地监测作物生长状况，目前该技术的发展已逐渐成熟。无人机（UAV）可以获取高时空分辨影像，能够实现大范围的作物监测，是近年来智慧农业作物长势评估中一项有吸引力的技术。无人机搭载的不同传感器采集的高通量图像，为作物表型监测提供了巨大的机会。基于无人机平台采集的RGB和高光谱图像包含了大量的颜色和光谱信息，可用于监测作物生长变化，这为大范围监测小麦叶片氮含量（LNC）和地上部生物量（AGB）提供了技术支撑。

我院智慧农业中心通过大田试验，利用配备RGB相机和高光谱相机的无人机遥感平台获取小麦冠层反射率，计算不同的颜色指数和植被指数。采用竞争性自适应重加权算法（CARS）、迭代保留信息变量（IRIVs）和随机森林（RF）三种变量选择算法进行指数选择，然后采用梯度增强决策树（GBDT）、多元线性回归（MLR）和随机森林回归（RFR）三种回归算法分别构建小麦地上生物量（AGB）和叶片氮含量（LNC）的监测模型。3种变量选择算法在不同的生长指标上表现出不同的性能，AGB的最优变量选择算法为RF，LNC的最优变量选择算法为CARS。将不同的变量选择算法与回归算法相结合，可以有效提高小麦AGB和LNC估计模型的精度。研究结果表明，通过变量选择算法构建模型可以减少模型中冗余信息的输入，实现对生长参数的更好估计。

相关研究以“Estimation of Agronomic Characters of Wheat Based on Variable Selection and Machine Learning Algorithms”为题，发表于JCR Q1区期刊、中科院2区期刊《Agronomy》（影响因子：3.7）。该论文为苏州市农业科学院与扬州大学农学院合作完成。论文第一作者为智慧农业中心王敦亮博士，该研究得到了国家自然科学基金项目（31701355、31872852、32172111），国家重点研发计划项目（2018YFD0300805），苏州市科技计划项目（SNG2021030、2023SS13），江苏省研究生科研与实践创新项目（XKYCX19_105）的支持。（智农中心供稿）

文章链接：https://www.mdpi.com/2073-4395/13/11/2808

                                                                                图1 研究区域和试验设计

                                                                          图2 无人机图像处理流程

                              图3 小麦农艺性状（AGB和LNC）和遥感指数（左：颜色指数，右：植被指数）的相关性分析