无人机遥感估算水稻叶绿素含量
UAV-Based Estimation of Rice Chlorophyll Content Using Machine Learning
用无人机拍水稻田，靠机器学习从照片里算出作物的健康程度，不用下地取样。
- 角色
- 研究助理
- 时间
- 2024.01 – 2026.01
- 机构
- 农业农村部农业遥感机理与定量遥感重点实验室，北京市农林科学院信息技术研究中心
为什么做这件事
判断水稻长得好不好，传统做法是下田采样、实验室化验叶绿素，费时费力还只能测几个点。用无人机影像来估算，可以一次覆盖整片田 —— 难点在于影像里能提取的特征成百上千，怎么挑出真正有用的那几个。
我做了什么
- 处理来自无人机的多时相遥感影像数据。
- 使用 SHAP、粒子群优化（PSO）等机器学习方法进行特征选择。
- 协助优化集成学习模型，用 PSO 算法提升模型预测能力和多生育期泛化性能。
- 识别与水稻叶绿素含量相关的关键特征。
下面两张图出自这篇论文，我是第四作者。
Wang, T., Yang, G., Xu, X., Sun, J., Meng, Y., Yang, X., Feng, H., Xue, H., Xu, X., & Song, Y. (2026). Remote sensing estimation of rice chlorophyll content based on UAV image feature selection and PSO-optimized ensemble learning. Artificial Intelligence in Geosciences, 7, 100190. https://doi.org/10.1016/j.aiig.2026.100190
论文以 CC BY-NC-ND 4.0 开放获取，图片原样转载。
结果
- 合著论文发表于 Artificial Intelligence in Geosciences（2026）。
- 另一篇水稻叶面积指数估算的合著论文已投稿（2025）。
用到的技术
- Python
- 机器学习
- SHAP
- 粒子群优化 PSO
- 集成学习
- 遥感影像处理