顾及遗传背景差异的玉米叶面积指数多生育期遥感反演OA

为改进复杂遗传背景下叶面积指数(Leaf Area Index,LAI)遥感反演的模型泛化能力并解析遗传变异对冠层动态调控的生育期特异性,以800份不同遗传背景的玉米材料为研究对象,在拔节期、大喇叭口期和抽雄吐丝期同步采集无人机多光谱与RGB影像,并实测72个采样小区的LAI与冠层高度。基于影像提取19个冠层光谱植被指数与5个冠层形态结构参数,构成高维特征集;通过对比皮尔逊相关系数法、方差膨胀因子法、互信息法、递归特征消除法及模型内置重要性评估5种特征筛选方法;并结合贝叶斯优化算法确定超参数,构建并优选XGBoost回归模型;基于最优模型反演生成全小区LAI时空分布图,采用SHAP方法解释模型输出,分析各特征对预测的贡献与调控方式;最后利用Kruskal-Wallis检验与效应值(ε²)量化不同遗传背景组间LAI差异的显著性。结果表明:1)互信息法能够捕捉非线性依赖关系并消除冗余,筛选出的5个关键特征构成了适应遗传变异的稳健特征组合。基于该组合的XGBoost模型在测试集上表现最优(RMSE=0.3022,R²=0.722);2)LAI时空分布图清晰揭示了LAI变异随生育进程的动态收敛规律。从拔节期至抽雄吐丝期,LAI均值持续增长,但变异系数从57.13%显著下降至15.90%,表明群体整齐度随生育进程不断提高;3)统计检验显示,遗传背景对LAI的影响强度随生育期推进而显著增强。在拔节期其影响可忽略(ε²=0.008,P=0.095),大喇叭口期为弱效应(ε²=0.020,P<0.001),至抽雄吐丝期达中等强度(ε²=0.138,P<0.001)。综上,本研究提出的融合多源遥感特征与可解释机器学习的表型解析框架,有效辨识了冠层光谱-形态特征的协同响应模式,为复杂遗传群体中的LAI精准反演提供了可靠的技术路径。