棉花是我国重要的经济作物，新疆是我国最大的优质棉种植区，棉花机采率超过85%。喷施脱叶剂是机械采收的关键，脱叶效果较差会降低10-20%的产量和品质。目前，脱叶效果调查方法需耗费大量人力、物力，不具备代表性且破坏性大，影响品质。因此，实现脱叶效果高精度、大范围监测和综合评价，对大田生产中脱叶剂二次喷施及采收时间判断至关重要，能有效减少机采棉采收杂质，提高棉花产量和品质。本研究基于棉花总叶片数、落叶数、开放棉铃数和未开放棉铃数结合主成分分析构建综合评价指标。分析了其与冠层结构的相关性。利用无人机获取棉花冠层的RGB和多光谱图像，结合PROSAIL模型拟合相关信息，构建脱叶效果综合评价指标（DECI）监测模型。结果表明:（1）DECI与冠层结构和落叶效应相关参数呈极显著相关，与LAI的线性拟合R²达到0.80；与脱叶率和吐絮率定量关系（多元逐步回归）R²可达0.79。（2）DECI与多光谱、可见光信息呈显著相关。在860nm处相关性最高，相关系数为-0.82。（3）基于多元逐步回归、岭回归和多层感知器(MLP)，构建了脱叶效果综合评价指标的监测模型。其中，MLP效果最好，模型检验R²=0.8925, RMSE=4.0813, rRMSE=25.41%。综上所述，本研究基于主成分分析法构建DECI，有效实现了机采棉脱叶效果的综合评价，同时利用无人机获取棉花冠层的多光谱和RGB信息结合PROSAIL模型，在明确上述信息对脱叶效果响应规律的基础上，引入机器学习算法实现了机采棉效果综合评价指标的准确监测，为实现机采棉脱叶效果综合评价提供了综合、快速、准确的技术手段。
 

机采棉,无人机,脱叶效果,PROSAIL模型,综合评价指标