今年1月以来，我校农学院作物信息技术与智慧农业团队在智慧农业方面研究连续取得了多项新成果，在《European Journal of Agronomy》《Computers and Electronics in Agriculture》《Biosystems Engineering》《International Journal of Applied Earth Observation and Geoinformation》等1区TOP期刊上发表论文5篇。

1.基于无人机的混合方法改进冬小麦地上干物质估算

辐射传输模型PROSAIL模型通过解释冠层内的辐射传递过程，有助于在生物量和遥感观测之间建立明确的物理关系。然而，使用固定参数Cm可能无法充分捕捉不同生长阶段AGB的变化。因此，该研究提出了将PROSAIL模型与生长度日（GDDs）相结合的混合方法来检索AGB，以解决生物量模型不能跨各生长阶段扩展的局限性。该研究成果以我校农学院为第一单位，以“A UAV-based hybrid approach for improving aboveground dry biomass estimation of winter wheat”为题发表在中科院一区TOP期刊European Journal of Agronomy上。研究结果表明混合方法在多生长阶段的生物量监测中表现优异，该方法扩展了PROSAIL模型的应用潜力，在不同生长阶段的AGB估计中具有较强的鲁棒性和通用性，为其他作物的AGB估计提供了技术支持。

该成果由农学院赵钰副教授为论文第一作者，杨武德教授为通讯作者，我校冯美臣教授、王超副教授、肖璐洁副教授参与了研究工作。该研究得到了山西农业大学科技创新基金博士启动项目（2023BQ67），山西省高校科技创新项目（2024L51）以及农业农村部黄淮海智慧农业技术重点实验室开放项目（202401）的支持。

原文链接：https://doi.org/10.1016/j.eja.2025.127638

2.不同降维算法对麦田土壤全氮含量高光谱估测影响的比较分析

土壤氮素供应水平深刻影响着冬小麦的生长发育和产量形成能力，利用高光谱遥感技术实时无损估算土壤全氮含量对作物施肥和精准农业发展具有重要意义。高光谱技术在应用中尚面临着海量数据处理和高计算复杂度的挑战，因此，课题组围绕降维算法在麦田土壤全氮含量高光谱估测中的应用开展研究。该研究成果以我校农学院为第一单位，以“Comparative analysis of the effects of different dimensionality reduction algorithms on hyperspectral estimation of total nitrogen content in wheat soils”为题发表在中科院一区TOP期刊European Journal of Agronomy上。研究结果表明特征提取算法PCA和SVD在提高光谱建模精度方面表现出更明显的效果，MSC预处理+SVD降维所构建的SVR模型在土壤全氮含量估测方面表现优异，为土壤养分含量快速检测提供了理论支持。

农学院2020级作物学博士研究生白娟为论文第一作者，杨武德教授为通讯作者。我校冯美臣教授、宋晓彦教授、张美俊教授、李广信研究员、王超副教授、乔星星博士、杨莎博士参与了上述研究的相关工作。该研究得到了山西省基础研究计划（202203021211275，202303021212090，202403021222091）、山西农业大学棉花研究所博士基金项目专项基金（SBSJJ2024-03）、现代农业产业技术研究体系（2024CJJSTX02-23）、国家自然科学基金（3187157131371572）的支持。

原文链接：https://doi.org/10.1016/j.eja.2025.127660

3.一种结合遗算法、指数衰减函数和机器学习的新特征选择算法实现冬小麦叶面积指数的高光谱估测

传统的遗传算法（GA）在波段数量筛选方面不能进行较好的控制，往往保留了较多的波段数量，不利于模型的构建。该研究将竞争性自适应重加权采样算法（CARS）中的指数衰减函数与GA进行结合，提出连续重加权衰减遗传算法（CRDGA），以更好地控制特征波段的筛选结果。同时考虑将决策树回归等多种机器学习算法作为适应度评价函数。该研究成果以我校农学院为第一单位，以“A new feature selection algorithm combining genetic algorithm, exponential decay function, and machine learning to realize hyperspectral estimation of winter wheat leaf area index”为题发表在中科院一区TOP期刊Computers and Electronics in Agriculture上。研究结果表明，新提出的CRDGA算法可以对筛选结果进行有效控制，同时具备较快的收敛速度，在性能上均优于GA和CARS。该方法为冬小麦LAI的高光谱估测提供了一定的技术支持。

该成果由杨晨波博士为论文第一作者，冯美臣教授为通讯作者。我校杨武德教授、毕如田教授、宋晓彦教授、张美俊教授、王超副教授、肖璐洁副教授、赵钰副教授参与了上述研究的相关工作。该研究得到了山西省基础研究计划(20210302123411，202203021211275)和山西省现代农业小麦产业技术体系项目(2024CYJSTX02-23)的支持。

原文链接：https://doi.org/10.1016/j.compag.2024.109851

4.不同感染阶段红芸豆普通细菌性疫病机载高光谱图像监测的潜力评估

普通细菌性疫病（CBB）是红芸豆生产上危害最严重的细菌性病害。在气候变化背景下，温度升高可使病原菌提前结束休眠期，导致红芸豆在更早的生育时期感病，这种感染模式也加强了在早期发现CBB的重要性。因此，该研究基于无人机高光谱图像，通过筛选最佳空间分辨率及调整纹理窗口尺寸，实现了对CBB感染早期监测模型的优化。该研究成果以我校农学院为第一单位，以“Evaluating the potential of airborne hyperspectral imagery in monitoring common beans with common bacterial blight at different infection stages”为题发表在中科院1区TOP期刊Biosystems Engineering上。研究结果表明，在CBB感染早期选择合适的空间分辨率和纹理窗口尺寸能够有效提高模型监测精度，为机载或星载成像光谱精准监测红芸豆普通细菌性疫病提供技术支持。

该成果由农学院2021级作物学博士研究生靖秉翰为论文第一作者，冯美臣教授为通讯作者。我校杨武德教授、王超副教授参与了上述研究的相关工作。该研究得到了国家重点研发计划项目(2021YFD1600603-02，2021YFD1600603-03)、山西省现代农业杂粮产业技术体系项目(2023CYJSTX03-03)的支持。

原文链接：https://doi.org/10.1016/j.biosystemseng.2025.02.002

5.一种快速构建多波段植被指数的新方法

基于高光谱信息寻找构建植被指数的波段信息，往往存在上百万种组合，多波段植被指数组合甚至呈指数增长。这极大地降低了植被指数的开发效率。因此，该研究结合遗传算法提出了一种快速构建多波段植被指数的方法，以降低构建多波段植被指数的时间复杂度。该研究成果以我校农学院为第一单位，以“A new method for rapid construction of multi-band vegetation index”为题在线发表在中科院一区TOP期刊International Journal of Applied Earth Observation and Geoinformation上。研究结果表明，该方法在建立双波段植被指数时能极大地降低构建所需的时间，同时所构建的三波段、四波段和五波段植被指数在冬小麦地上干生物量、叶面积指数、叶绿素密度和植株含水量的高光谱估测方面表现优异。该方法可为构建新型植被指数提供一定的技术支持和理论依据。

该成果由杨晨波博士为论文第一作者，冯美臣教授为通讯作者。我校杨武德教授、毕如田教授、张美俊教授、宋晓彦教授、王超副教授、赵钰副教授、肖璐洁副教授参与了上述研究的相关工作。该研究得到了山西省重点实验室建设项目(Z135050009017-3-4)、山西省基础研究计划(20210302123411，202203021211275)、山西省现代农业小麦产业技术研究体系项目(2024CYJSTX02-23)的支持。

原文链接：https://doi.org/10.1016/j.jag.2025.104601