随着人口的增长和气候变化的挑战，盐胁迫已成为全球粮食生产的主要威胁。灌溉农业中的土壤盐分是一个全球性问题，在干旱和半干旱气候中尤甚。培育耐盐作物品种是改善粮食安全和水资源安全的一条潜在途径。为此，需要鉴定耐盐基因型/种质，然后将其耐盐性状导入商业品种。为了确定植物种质的潜在耐盐性，需要能够有效地绘制、监测和预测植物生物物理和生化特性的表型分析和相关方法。生物量和产量是评估农业系统生产和绩效的关键变量。在精准农业中，尤其是在盐胁迫和其他非生物胁迫可能发挥作用的情况下，在农场规模上对单个植物的生物量和产量进行建模和预测是一项重大挑战。

本研究通过600个对照和600个盐处理植株的田间和无人机表型分析，评估了野生番茄(Solanum pimpinellifolium)的多样性。研究的目标：（1）通过无人机RGB图像预测收获时番茄的生物量（地上部鲜重）和产量（果实数量和重量）；（2）确定对照和盐处理植株之间的预测精度是否不同；（3）比较收获前1周和2周采集的RGB和多光谱无人机图像的结果。为此，采用随机森林机器学习方法，利用收获前采集的无人机RGB和多光谱图像数据，预测对照和盐处理植株的生物量和产量。