基于多尺度遥感数据的玉米生长过程参数解析及其产量估算模型研究

本研究针对区域作物产量估算中传统方法效率低下、遥感数据单一时期局限性等问题，创新性地利用无人机(UAV)和卫星(MODIS)获取的叶面积指数(LAI)时间序列数据，提取PP_a(生长期)、PP_b(峰值期)、PP_c(初始状态)和LAImax四个生长过程参数，构建了跨尺度的玉米产量估算模型。结果表明，该方法在田块尺度(rRMSE=14.08%)和区域尺度(rRMSE=17.75%)均表现优异，为农业精准管理和政策制定提供了新思路。

　　

在全球粮食安全面临挑战的背景下，准确估算作物产量对农业资源优化配置至关重要。传统田间采样方法效率低下，而现有遥感技术多依赖单时相数据，难以全面反映作物生长动态。更棘手的是，不同观测平台（如无人机与卫星）获取的数据存在尺度差异，导致模型跨平台适用性差。这些瓶颈严重制约了遥感技术在农业管理中的实际应用。

针对这一系列问题，扬州大学江苏省作物遗传生理重点实验室/协同创新中心的研究团队在《BMC Plant Biology》发表了一项创新研究。该团队创造性地提出通过作物生长过程参数来桥接多源遥感数据，建立了首个同时适用于田块和区域尺度的玉米产量估算通用模型。

研究采用了两大技术路线：在田块尺度，利用搭载多光谱传感器的无人机获取厘米级分辨率数据，通过NDVI指数反演LAI；在区域尺度则采用MODIS的1 km分辨率LAI产品。通过Savitzky-Golay滤波平滑时间序列后，采用二次函数拟合提取三个生长过程参数(PP_a/b/c)和最大LAI值(LAI_max)。研究覆盖华北平原1517个县域样本和56个田间试验小区，采用五折交叉验证评估模型性能。

【生长过程参数的有效性验证】

通过二次函数拟合LAI时间序列，田块尺度R²达0.97±0.01，区域尺度为0.87±0.06。参数PP_a（表征生长期长度）和LAI_max被证明是单参数中最具预测力的指标，这与作物生理学认知高度吻合——较长的光合作用期和较高的叶面积通常对应更高产量。

【多参数组合的协同效应】

研究发现参数组合能显著提升预测精度。田块尺度四参数组合使R²从单参数的0.11提升至0.43；区域尺度则从0.15提升至0.59。值得注意的是，PP_b（峰值期时间）与PP_c的组合在田块尺度出现精度下降，揭示参数间可能存在非线性相互作用。

【跨尺度适用性验证】

Moran指数分析显示，田块尺度(MI=-0.18)误差呈随机分布，而区域尺度(MI=0.19)存在空间聚集性。进一步将华北平原分为京津冀、山东、河南三个亚区后，各亚区MI值(0.06-0.11)均未达显著水平，证明模型具有区域普适性。

【LAI精度的影响机制】

敏感性分析表明，LAI估算误差与产量预测误差呈线性相关。当LAI误差达±40%时，田块尺度rRMSE增加12%，这解释了区域尺度精度略低的现象——MODIS产品的时间分辨率（8天）导致PP_c参数出现负值异常。

这项研究的突破性在于首次实现了基于生长过程参数的跨尺度产量估算。PP_a/b/c三个参数共同刻画了作物生长的"时间-强度"三维特征，而LAI_max则锁定关键生育期。这种参数化方法既避免了机器学习模型的"黑箱"缺陷，又克服了作物模型参数复杂的弊端。实际应用中，田块尺度模型可指导精准农艺管理（如通过PP_a诊断早衰），区域尺度结果则服务于粮食安全预警。研究团队特别指出，未来通过融合深度学习提升LAI反演精度，有望将rRMSE进一步降低至10%以下。

该成果为遥感农情监测提供了新范式——将作物生长视为动态过程而非静态快照。正如通讯作者Xiuliang Jin强调的："过程参数就像作物的生长指纹，不同平台获取的只是同一指纹的不同分辨率图像。"这一理念对实现"星-机-地"协同监测具有重要指导价值，为智慧农业发展提供了关键技术支撑。