地上部生物量（Aboveground biomass，AGB）和籽粒产量是衡量小麦生长状况和生产力的关键指标。在生长季中及时了解小麦AGB状况和产量潜力，有助于农业管理者降低生产风险，并通过改善农田管理实现稳产或高产。光能利用率（Light use efficiency，LUE）模型因其强大的生理生态学机制而被证明可有效估测作物生物量和产量。然而，由于LUE模型依赖时序感知数据，现有相关研究普遍依赖于时空连续卫星影像。虽然UAV影像在数据获取方面具有灵活性和高效性，但其时序信息的获取仍需花费高昂的时间和人力成本。据我们所知，现有利用UAV影像的研究多依赖数据驱动模型，尚未使用LUE模型去估测任何作物的AGB和产量。然而，鉴于时空分辨率和数据产品可用性（如时序LAI产品）的差异，卫星数据驱动的LUE模型并不能直接应用于UAV影像。因此，迫切需要发展一种结合UAV影像和LUE模型的实用性方法，既能节约时间和人力成本，又能实现小麦AGB和产量的高精度季中估测。

2026年1月，Plant Phenomics在线发表了南京农业大学国家信息农业工程技术中心题为In-season estimation of aboveground biomass and yield in winter wheat with a UAV-based LUE model and machine learning的研究论文。

该研究发展了一种使用LUE和混合反演模型估测抽穗后阶段内小麦AGB的UAV-LUE方法，提出了一种联合UAV-LUE模型与机器学习的小麦产量季中预测方法（图1）。该研究在综合LAI反演值与20天累积气象特征以估测抽穗期AGB的基础上，通过时期跳跃策略或时期递进策略，实现了抽穗后不同生育时期AGB的准确估测，其中后者表现（R_val² = 0.93）优于前者（R_val² = 0.84），且两策略表现均优于传统的NDRE方法（R_val² = 0.09）和基于简化的光合累积模型（simplified photosynthetic accumulation model，SPAM）计算的SPVM_NDRE（R_val² = 0.57）（图2）。将NDRE、AGB和3个20天累积相对气象特征随机组合，发现三者的组合Comb. #6（NDRE + eAGB + ARTE₂₀ + ARRE₂₀ + AWs₂₀）在所有特征组合中展示出了最高的产量估测精度（R_cal² = 0.89，RMSE = 0.64 t/ha；R_val²≥ 0.79，RMSE ≤ 0.45 t/ha）（图3）。当扩展到江苏全省多生态点农户田产量预测时，Comb. #6也获得了较好的表现（表1）。该研究对光能利用率和机器学习模型的联合使用，代表我们朝着基于UAV影像的冬小麦或其他谷类作物AGB 和产量机理性估测迈出了重要一步，所提出框架为作物产量预测提供了低成本且高效的工具。

图1冬小麦AGB和产量估测框架

ML：机器学习，MF：气象特征，eAGB：估测的AGB

图2 抽穗后多个生育时期D_Exps1+2+4中NDRE（A）和SPAM_NDRE（B）与AGB之间的关系，以及D_Exps3+5中基于NDRE（C）、SPAM_NDRE（D）或两个UAV-LUE策略（E-F）估测的AGB与实测AGB间的散点图

图3 Comb. #2（A）、Comb. #5（B）和Comb. #6（C）采用BPNN模型在数据集D_Exp3和D_Exp5（两个独立验证）中预测产量与实测产量间的散点图。灰色区域表示黑色回归线的95%置信区间

表1. Comb. #6使用LUE-ML模型在江苏省不同区域的五县市农户尺度预测产量的R²、RMSE（t/ha）和RRMSE（%）

Plant Phenomics | 基于无人机多变量时序数据与变量独立分词的冬小麦产量预测

Plant Phenomics 前沿 | 中法植物表型联合实验室突破小麦表型网络全生育期监测瓶颈

加入作者交流群

扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录，科睿唯安JCR2024影响因子为6.4，位于农艺学一区，植物科学一区，遥感一区。2025年中科院期刊分区位于农林科学大类一区（TOP期刊）。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。