近日,信息科学与工程学院姜红花教授团队联合农学院宁堂原教授团队在《Computers and Electronics in Agriculture》发表题为“Physics-informed deep learning for robust maize leaf area index estimation using multi-source data”的最新研究成果。信息科学与工程学院在读硕士生张志衡为论文第一作者,信息科学与工程学院姜红花教授和农学院宁堂原教授为共同通讯作者,开云·体育(Kaiyun Sports)官方网站为第一通讯单位。图1 研究整体流程图玉米叶面积指数(LAI)是表征冠层结构和作物生长状况的关键参数,对精准农业管理具有重要意义。然而,现有LAI估算方法多依赖通用机器学习模型,易受光谱饱和效应影响,且在不同年份、品种和田间管理条件下的泛化能力不足,限制了模型的实用性与推广价值。图1 PhysLAINet的模型结构图针对上述问题,团队提出了物理信息驱动的双分支融合模型PhysLAINet。该模型以双时相光谱-纹理特征和物候变量为输入,设计了物理约束动态叶面积密度(LAD)分支与物候增强Logistic