多源特征融合算法提升玉米叶面积指数监测精度
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团队构建了多源特征融合的卷积神经网络模型，实现玉米叶面积指数高精度快速监测，相关成果发表于《农业人工智能（Artificial Intelligence in Agriculture）》。
叶面积指数是农业模型中调控水肥管理及预测产量的核心参数，直接影响水肥决策的准确性？。无人机遥感能快速无损监测叶面积指数，但光照变化、空间和植被异质性均会导致估算误差。
该研究利用多光谱遥感数据，构建了多源特征数据集，并采用不同算法构建了估算模型。结果显示，多源特征融合构建的卷积神经网络模型监测精度最优，准确率达到83%，且解释力强、误差小，并具备跨区域适应性。研究结果为遥感高效监测玉米叶面积指数，提高水肥利用效率、增强作物抗灾害能力提供新方法。
该研究得到国家重点研发计划等项目支持。
原文链接：https://doi.org/10.1016/j.aiia.2025.04.008
