及时、准确地监测植株长势状况，对作物生产精确管理具有重要指导意义。长势监测也成为农业遥感的重要研究内容之一。传统遥感方法倾向于使用单一农艺参数评估作物的生长状态，难以全面反映作物的生长状况。鉴于此，本研究皆在开发一种基于多参数的综合评价指标（Comprehensive Growth Monitoring Index, CGMI），以适应大尺度、动态的作物长势监测需求。本研究在新疆莫索湾垦区进行为期两年的田间试验，收集了表征棉花生长的关键参数，如叶面积指数、冠层叶绿素含量、生物量和铃数等，对这些参数在产量形成中的贡献及其相互关系进行了综合分析。采用熵权法和博弈论组合赋权方法开创性地建立了CGMI（包括CGMI_EWM和CGMI_GT），并运用顺序向前选择算法（Sequential Forward Selection algorithm，SFS）筛选不同生育阶段的最有效的遥感监测特征变量。基于偏最小二乘回归（Partial Least Squares Regression， PLSR),随机森林（Random Forest，RF）,支持向量机回归（Support Vector Regression，SVR）构建棉花综合长势监测最佳模型，并绘制了莫索湾垦区棉花综合长势空间分布图。主要结果如下：( 1 ) 综合利用多个农学参数得到的CGMI_EWM和CGMI_GT能有效地反映GST；( 2 ) 基于博弈论组合赋权法构建的CGMI_GT与产量之间的相关性均显著高于产量与每一个农艺参数的相关性，与CGMI_EWM相比，在初铃期和产量的相关性（r=0.75）略高于CGMI_EWM（r=0.73），而到了始絮期，CGMI_GT与产量之间的相关性（r=0.74）显著高于CGMI_EWM（r=0.63）。此外，用于构建CGMI_GT的权重系数在不同年份间表现稳定；( 3 ) 基于SFS算法筛选出不同生育时期用于监测棉花综合长势的特征变量，利用PLSR,RF,SVR对CGMIGT进行估测，结果显示，无论是在初铃期还是始絮期，RF算法的估测性能均最优（初铃期R²=0.63，RMSE=0.086, RE =19.8%；始絮期R²=0.56, RMSE=0.107, RE = 24.1%）；（4）基于最优模型绘制了莫索湾垦区的棉花综合长势分布图，确定了综合长势评价等级。结果表明，棉花长势较好的区域集中在研究区北部，并且呈现由北向南递减的趋势。综上，本研究为大规模、实时监测棉花长势状态提供了一种新的综合评价工具，为农业从业者及科研人员在作物生产和管理中提供了新的视角和技术参考。
 

棉花,遥感,生长状况和趋势,熵权法,博弈论组合赋权法