图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC

图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC

多源遥感数据融合能够有效弥补单一传感器的性能局限，显著提升地物识别精度。