结合变异系数法和机器学习模型的棉花长势监测

为了更加准确地获取棉花关键物候期的长势信息,本文首先通过棉花制图指数提取棉花种植区域;然后利用变异系数法将反映棉花长势的株高、SPAD值、叶片湿重、叶片干重与叶面积5种指标构建为一个综合长势指标,即棉花长势指数（FBCGI）;最后选取最优特征变量,结合随机森林模型构建棉花长势反演模型。结果表明：（1）棉花总体分类精度达到81.65%;（2）与5种单一长势指标相比,构建的FBCGI与植被指数的相关性更高;（3）基于最优特征变量和随机森林模型构建的棉花长势监测模型,在建模集和验证集中的R²和RMSE分别为0.74、0.07和0.51、0.10。研究结果可为棉花长势监测提供重要参考。