通过多源遥感数据估算的AGB（农业生长边界）生长曲线参数提高了小麦产量预测的准确性

《Journal of Integrative Agriculture》：Growth curve parameters of AGB estimated from multi-source remote sensing data enhance wheat yield prediction accuracy

　　

韩东伟|张伟军|穆罕默德·扎因|朱少林|姚兆生|王建良|赵媛媛|刘涛|孙成明|郭文山

江苏省作物遗传与生理学国家重点实验室的培育与建设地点；江苏省现代粮食作物生产技术创新中心；扬州大学智慧农业研究院，中国扬州225009

摘要

小麦作为全球最重要的粮食作物之一，其产量的准确预测对于保障粮食安全、实现精准农业管理以及应对气候变化挑战至关重要。以往的研究主要集中在单周期特征提取或时间序列遥感特征用于产量预测，但缺乏对产量形成机制的深入解释。因此，本研究旨在基于地上生物量（AGB）的生长曲线参数开发一种产量预测模型。利用实测的AGB数据拟合了一个逻辑S形生长曲线，并提取了关键生长参数（K、V_max、S_GIP、S_RIP、S_SIP、V_GIP、V_RIP、V_SIP等），并将其整合到机器学习模型中用于产量预测。结果表明，该方法具有较高的预测准确性（R²=0.97，RMSE=355.38 kg ha^-1，MAE=255.74 kg ha^-1），且提取的参数具有明确的生理意义。为了实现快速获取AGB数据，进一步开发了一种基于多源遥感特征的AGB估算模型，这些特征包括植被指数（VIs）、纹理指数（TIs）、冠层结构（CS）和冠层温度（CT）。随着生长季节的推进，这些多源特征表现出强烈的互补性，在开花后30天时达到最高的预测准确性（R²=0.83），有效缓解了植被指数的饱和问题。此外，从估算的AGB生长曲线中得到的生长参数也能实现准确的产量预测（R²=0.87，RMSE=746.07 kg ha^-1，MAE=570.16 kg ha^-1）。该模型在不同地区和年份的表现也较为稳定（R²=0.85，RMSE=784.52 kg ha^-1，MAE=569.56 kg ha^-1）。总之，本研究引入了新的AGB生长曲线参数用于小麦产量估算，提高了预测准确性并增强了生理可解释性，为区域间的高效田间管理和产量预测提供了依据。