中图分类号：S233.75；S562 文献标志码：A 文章编号：1001-4330（2025）05-1041-10

0 引言

【研究意义】棉花叶绿素含量是反映棉花生长状况的重要指标之一，其含量与棉花抗逆性和棉花叶片内氮含量密切相关，然而传统的田间棉花SPAD值测量方法受到样本数量和测量频率的限制，且测量值容易受到环境条件和测量者操作技术的影响。因此，通过无损高效的遥感技术实现棉花生长状态指标的快速估测具有重要应用价值。【前人研究进展】现有研究多关注小麦、玉米和水稻等粮食作物生长指标的估测。例如，周敏姑等1通过提取多光谱影像5个原始波段，分析了不同波段与小麦SPAD值的相关性并对比了主成分回归、岭回归、逐步回归三种回归算法的精度。闫成川等2通过低成本无人机获取多光谱影像结合神经网络算法的径向基函数对棉花叶片SPAD 值和含水量进行估测，并对棉花旱情等级进行了划分。毛智慧等利用无人机多光谱影像构建了26种植被指数对比了不同植被指数对玉米SPAD值估测精度的影响，并分析了环境背景因素对估测结果的影响。【本研究切入点】目前研究中多注重在不同植被指数的筛选、最佳估测模型和最优监测生育期的筛选，缺乏在不同地块估测验证模型的泛化能力。需设计不同灌水和施肥试验，评估无人机多光谱影像结合机器学习算法在棉花估测中的应用效果，对比不同模型的估测精度筛选出最优估测模型，比较不同时期最优估测模型的估测精度，并在不同田块之间对模型的泛化能力进行验证。……