山东理工大学农业工程与食品科学学院赵静团队在《Agronomy》发表了题为“Estimation of Cotton SPAD Based on Multi-Source Feature Fusion and Voting Regression Ensemble Learning in Intercropping Pattern of Cotton and Soybean”的研究论文。

论文online截图

此研究采用多旋翼无人机搭载“长光禹辰公司自主研发的MS600 Pro V1多光谱相机”，获取了山东省滨州市部分地区的棉花多光谱图像。通过提取棉花不同波段的光谱反射率并计算多个植被指数，为研究提供了丰富的植被信息。

M210无人机搭载MS600 Pro V1多光谱相机

棉花作为重要的经济作物和棉纺织工业原料，随着人口密集区的增加，棉花、粮食和油料作物的土地争夺问题愈加严峻，采用棉粮间作能够有效缓解棉花与粮食作物的种植矛盾，可提高作物生产力和保护生态多样性等。因此快速、准确监测间作模式下棉花的长势情况具有重要意义。

研究区域图

在这项研究中，作者以不同间作比例模式下的棉花为研究对象，通过无人机搭载多光谱（MS600 Pro V1）和RGB传感器获取棉花三个生育期的多光谱及可见光影像，提取其光谱特征和影像特征，结合地面棉花株高，提出了一种投票回归集成学习（Voting Regression Ensemble，VRE）估测棉花SPAD，并与随机森林回归（Random Forest Regressor，RFR）、梯度提升树回归（Gradient Boosting Regressor，GBR）、支持向量机回归（Support Vector Machine Regressor，SVR）3种模型进行了比较。评价不同估测模型对棉花叶绿素相对含量（SPAD）的估测精度，分析棉花和大豆间作的不同比例对棉花长势的影响，为棉花与大豆间作比例的选择及棉花SPAD的高精度估测提供依据。

该研究发现：与RFR、GBR、SVR模型相比，VRE模型在估测棉花SPAD时表现出最好的估测效果。基于VRE估测模型，以多光谱影像特征、可见光影像特征和株高融合为输入的模型精度最高，测试集R2、RMSE和RPD分别为0.916、1.481和3.53。

不同特征类型与不同模型下棉花SPAD估测精度

(a)R2，(b)RMSE，(c)RPD

研究表明多源数据融合与投票回归集成算法相结合，为棉花SPAD估测提供了一种新的有效方法。

附：

[1] 论文信息：by Xiaoli Wang、Jingqian Li、Junqiang Zhang、Lei Yang、Wenhao Cui、Xiaowei Han、Dulin Qin、Guotao Han、Qi Zhou、Zesheng Wang、Jing Zhao、 andYubin Lan.Agronomy 2024, 14(10), 2245。

[2] 论文全文链接：https://www.mdpi.com/2073-4395/14/10/2245