基于Sentinel-2卫星影像与机器学习的新疆滴灌春玉米综合生长指数估算模型构建与应用

针对西北干旱区滴灌春玉米生长监测需求，研究团队创新性融合Sentinel-2多光谱数据与地面实测指标（LAI、株高H、SPAD等），通过变异系数法构建综合生长指数（CGI），采用SSA-RF优化模型实现不同生育期CGI高精度估算（R2达0.575-0.994），为精准农业管理提供卫星遥感新范式。

　　

在西北干旱区农业水资源紧缺的背景下，精准监测作物生长状态对优化灌溉决策至关重要。传统监测方法依赖人工实地测量，存在效率低、成本高的问题，而单一生长指标如叶面积指数（LAI）或叶绿素含量（SPAD）难以全面反映作物健康状况。新疆作为我国重要的玉米产区，其滴灌春玉米的生长监测亟需高效、大尺度的技术手段。

针对这一需求，新疆维吾尔自治区克拉玛依市的研究团队在《Agricultural Water Management》发表创新性研究。该研究突破性地将Sentinel-2卫星多光谱数据与地面实测生长参数相结合，通过机器学习算法构建了滴灌春玉米全生育期的综合生长监测模型。研究人员采集了200个样点的5个关键生长指标（LAI、株高H、SPAD、植被水分含量VWC和地上生物量AGB），利用变异系数法构建综合生长指数CGI。通过递归特征消除（RFE）筛选最优光谱特征，并创新性地采用麻雀搜索算法优化随机森林模型（SSA-RF），最终实现了从拔节期到成熟期CGI的精准估算。

关键技术方法包括：（1）Sentinel-2六波段反射率与24种植被指数提取；（2）基于变异系数法的CGI权重计算；（3）RF-RFE特征选择；（4）贝叶斯优化与麻雀搜索算法超参数调优；（5）SHAP值模型可解释性分析。研究覆盖V6（拔节期）、V12（大喇叭口期）、VT（抽雄期）、R2（灌浆期）和R6（成熟期）五个关键生育阶段，共获取1000组有效数据。

研究结果揭示：

1. CGI构建验证：CGI与各生长指标显著相关（r=0.325-0.980），其中与LAI在抽雄期的相关性最高（r=0.901），证实CGI能全面表征作物生长状态。
2. 特征选择：不同生育期最优特征组合各异，如V6阶段以CI、GNDVI等植被指数为主，而V12阶段蓝光波段（B2）和归一化水分指数（NDWI）贡献突出。
3. 模型性能：SSA-RF模型在完整生育期的预测精度显著优于单阶段模型（测试集R²=0.982），其不确定性指标U95最低（0.198），RDVI被SHAP分析识别为最具影响力特征。
4. 时空动态：CGI分布图显示拔节期西南部生长较好，而抽雄期局部区域因褐斑病导致CGI降低至0.803-0.807，灌浆期的大风降雨引发III类区轻微倒伏。

这项研究的意义在于：首次系统验证了Sentinel-2数据在干旱区滴灌玉米生长监测中的适用性，所提出的SSA-RF模型克服了传统单指标模型的局限性。通过CGI时空分布图，农户可直观识别生长弱势区域，为变量灌溉提供决策依据。研究建立的"卫星-地面-模型"技术框架，为智慧农业平台开发奠定了方法学基础，对促进西北干旱区农业水资源高效利用具有重要实践价值。未来研究可进一步整合气象数据和无人机光谱，提升模型在极端天气下的鲁棒性。