近日，中國農業科學院農田灌溉研究所節水高效灌溉技術與裝備創新團隊，采用特征選擇方法對水分脅迫冬小麥無人機高光譜影像指數進行篩選，開發了一個決策層融合集成機器學習模型，探索利用無人機高光譜圖像建立冬小麥產量估算的模型，為農業生產精準灌溉管理提供科學依據。相關研究成果在線發表于《農學-巴塞爾（Agronomy-basel）》。 　　及時、準確預測不同水分脅迫情況下作物長勢和收獲產量，對農業精準灌溉、保證糧食安全有重要意義。該團隊以實測產量值為地面真實測量值，采用遞歸特征消除、Boruta特征選擇和皮爾遜相關系數三種特征選擇方法，依次過濾高光譜指數來降低數據的維度。同時使用特征選擇方法提取出優選高光譜指數作為輸入變量，分別構造支持向量機、高斯過程、線性嶺回歸和隨機森林產量預測模型，并以此開發了決策層融合集成機器學習模型來預測小麥的產量。研究發現，開花期基于遞歸特征選擇的方法準確率較高，灌漿期基于Boruta特征選擇的方法準確率較高，決策層融合模型優于四種基礎模型，實現了使用優選高光譜指數特征時的最高準確度，可有效預測水分脅迫情境下冬小麥產量。 　　該研究得到中國農科院科技創新工程等項目資助。   　　論文鏈接：（ https://doi.org/10.3390/agronomy12010202）。