基于生长阶段的多模态数据融合模型（S-MDFM）在小麦产量预测及抗旱高产品种筛选中的应用研究

《Computers and Electronics in Agriculture》：Stages-based multimodal data fusion model(S-MDFM) for wheat yield prediction and screening of drought-resistant and high-yield varieties

本文提出一种基于生长阶段的多模态数据融合模型（S-MDFM），通过融合无人机多模态影像与图像提取多元数据，构建阶段误差指标（SEMs）传播机制，显著提升小麦产量预测精度（R2=0.8536，rRMSE=16.12%）。研究进一步建立干旱胁迫耐受指数（DSTI）与敏感性指数（DSSI）双指标评价体系，实现抗旱高产品种多级筛选（识别率达83.3%），为精准农业育种提供可扩展技术框架。

　　

显著差异分析

为系统评估不同水分处理下小麦品种的产量响应特征，本研究通过对3个水分处理水平进行重复抽样，测定16个小麦品种成熟期的单位面积产量，并进行多重显著差异分析，为多品种抗旱高产分析提供依据和决策支持。小麦产量...

结论

通过比较不同模型使用各数据模态的输入结果，整合多模态图像特征（MIF）与多元数据（MulD）的MDFM模型在所有生长阶段均表现出最优预测性能。在灌浆期，该模型的R²达0.8065，rRMSE为18.53%。进一步将阶段误差指标（SEMs）传输机制融入MDFM后，模型更有效捕捉了不同阶段生长性状间的动态互作关系，显著提升预测精度...

讨论与展望

本研究系统探讨了基于关键生长阶段的多模态数据融合模型（MDFM）在小麦产量预测及抗旱品种鉴定中应用的可行性，旨在为精准农业场景下的资源高效配置与智能育种决策提供更稳健的产量估算与抗旱筛选方案。

在单阶段分析中，基于残差网络的MDFM模型展现出稳定的深度...