保護型耕作は農業耕地の持続可能な発展における重要な方法であり、世界各地で採用されている。稲わら覆蓋量の判定が「有無」から「量」への変化を実現することは、稲わら還元検出の重要な指標である。無人機に搭載したマルチスペクトルカメラで研究区域内の春と秋の両シーズンのリモートセンシングデータを取得し、同時にトウモロコシ稲わら覆蓋量を測定した。まず、リモートセンシングデータからスペクトル反射率を抽出しスペクトル指数を構築し、相関係数法により稲わら覆蓋量に敏感な波長変数とスペクトル変数を選択しモデルの入力変数とした。次に、サポートベクターマシン（SVM）、ランダムフォレスト（RF）、バックプロパゲーションニューラルネットワーク（BPNN）、極限学習機（ELM）の4つの機械学習アルゴリズムを用いてトウモロコシ稲わら覆蓋量の反演モデルを構築し、異なる時期と研究領域のモデル精度を比較した。最後に、予測性能がモデルパラメータの影響を大きく受ける問題を解決するために、遺伝的アルゴリズム（GA）と粒子群最適化（PSO）を導入し、両者の相補性を活かした遺伝-粒子群混合アルゴリズム（GA-PSO）を提案し、モデルの性能を向上させて区域内の稲わら覆蓋量の推定を完了した。実験結果は、GA-PSOで最適化されたRFアルゴリズムによるトウモロコシ稲わら覆蓋量反演モデルが最良の反演効果を示し、R²は0.74に達したことを示した。また、異なるデータの反演結果の比較分析は、区域内の稲わら覆蓋量を比較的正確に反映し、推定精度は91.36％に達し、モデル最適化による結果推定が可能であることを示した。本研究は保護型耕作における稲わら還元量検出の科学的参考を提供し、他の作物の稲わら覆蓋量推定にも信頼できるモデル反演手法を提供する。

多光スペクトル画像; 機械学習; 稲わら覆蓋量; 無人機; 遺伝的アルゴリズム; 粒子群最適化