近期，中国水稻研究所陈松研究员团队完成的题为“Research on LAI estimation of multiple rice varieties based on multi-modal data fusion and machine learning algorithmsize”的研究在Journal of Integrative Agriculture（JIA）优先在线发表。

该研究整合植被指数、纹理特征、数字表面模型、冠层高度分层植被指数和深度特征等多维度数据，构建多模态LAI估算模型，为高通量LAI估算提供了稳健高效的解决方案，为精准农业和水稻育种计划的应用提供支持。

构建冠层高度分层植被指数与图像深度特征

该研究基于两个完整生长季内采集的60个水稻品种的遥感影像数据，通过数字表面模型（DSM）按高度分层生成二值掩膜，并将各层掩膜与相应植被指数（VI）耦合，分别按绝对高度与相对高度两种分级策略，构建了冠层绝对高度分层植被指数（CAHVIs）与冠层相对高度分层植被指数（CRHVIs）。此外，通过系统比较六种卷积神经网络（CNN）架构的性能，筛选出RegNet作为最优深度特征提取模型，并选取其输出中与目标变量相关性最高的前20个特征作为图像深度特征。所提取的冠层高度分层植被指数与图像深度特征能够更充分地捕捉冠层三维结构与纹理信息，从而为提升叶面积指数（LAI）估算模型的精度提供有效表征。

图1 冠层高度植被指数构建示意图

模型性能评估与优化

该研究对比不同特征组合在机器学习模型中的叶面积指数（LAI）估算精度，结果表明，在植被指数与纹理特征的基础上，进一步融合冠层高度分层植被指数与图像深度特征能够取得最高的估算精度（表1）。其中，随机森林模型表现最优，其LAI估算结果的决定系数R²达到0.76，均方根误差RMSE为0.57（图2F）。

图2 不同特征组合在测试集上散点图

多品种水稻LAI估算关键特征

该研究采用SHAP分析方法，解释了模型中各输入特征对叶面积指数（LAI）预测结果的贡献度。基于200个样本计算得到的平均绝对SHAP值，确定了重要性排名前12位的特征。分析表明，在引入冠层高度分层植被指数后（图3C），中层冠层相关的指数（如LCI_PH_4与NDRE_PH_3）表现出较高的SHAP值，这意味着冠层垂直分层信息能有效地捕捉冠层结构变异。在使用基于CNN提取的深层特征时（图3D），RGB衍生的图像特征（如RGB_Feature_205、RGB_Feature_247和RGB_Feature_95）表现出较强的预测影响力。

综合来说，植被高程信息在LAI估算中起着关键作用，结合冠层高度分层植被指数和深度特征能提升模型性能，证明了融合冠层结构信息与图像深度信息的重要价值。

图3 SHAP分析显示不同输入特征对LAI估算的影响

该研究提出了一种多模态特征融合的叶面积指数遥感估算框架，并系统评估了多模态特征融合回归模型在该任务中的性能。结果表明，相较于仅依赖植被指数的传统模型，整合植被指数、由数字表面模型（DSM）衍生的结构特征及卷积神经网络提取的深度图像特征，能够显著提高LAI估算精度。该研究为作物表型高通量解析与LAI精准监测提供了有效的技术方案与理论依据。

该研究通讯作者为中国水稻研究所陈松研究员，硕士生王爱冬与李瑞杰为共同第一作者，该工作得到了国家自然科学基金、国家重点研发计划、浙江省“万人计划”科技创新领军人才项目、水稻生物学国家重点实验室开放课题、中国农业科学院科技创新工程及中央级公益性科研院所基本科研业务费专项项目的资助。

Cite the article:

Aidong Wang, Ruijie Li, Xiangqian Feng, Ziqiu Li, Hengjie Gao, Huaxing Wu, Danying Wang, Song Chen. 2026. The research on LAI estimation of multiple rice varieties based on multi-modal data fusion and machine learning algorithms. Journal of Integrative Agriculture, Doi:10.1016/j.jia.2026.02.002

https://doi.org/10.1016/j.jia.2026.02.002

Journal of Integrative Agriculture（《农业科学学报（英文）》, JIA）由中华人民共和国农业农村部主管，中国农业科学院与中国农学会主办，中国农业科学院农业信息研究所承办。综合性英文学术期刊，月刊。创刊于2002年，现任主编为中国科学院院士陈化兰。JIA主要栏目有作物科学、园艺、植物保护、动物科学、动物医学、农业生态环境、食品科学、农业经济与管理等。刊稿类型有综述、研究论文、简报以及评述等。全部论文在Elsevier-ScienceDirect (SD) 平台OA出版。最新SCI影响因子4.4，位于SCI-JCR农业综合学科Q1区。中国科学院分区农林科学1区。2016年以来先后获得中国科协等部委 “提升计划”“登峰计划”“卓越计划”项目支持。