多尺度数据融合提升玉米产量预测精度：空地协同与不确定性消减研究

本研究针对多尺度作物产量预测中空地数据融合的难题，由加拿大安大略省的研究团队提出了一种创新升尺度框架，整合地面、无人机与卫星（Sentinel-2）数据，显著提升玉米产量预测精度（农场A/B相关系数分别提高至0.88/0.85），并将高不确定性区域（>1%）大幅降低至20.4%和9.2%，为精准农业提供了跨尺度不确定性解析的关键技术支撑。

　　

精准农业中作物产量跨尺度预测存在显著挑战，尤其当田间测量与卫星观测数据难以系统整合时，传统方法往往导致准确性下降与不确定性增加。为此，研究人员在加拿大安大略省两处农场2019–2020生长季展开研究，通过集成Sentinel-2卫星影像与高分辨率无人机观测数据，对比了两种预测策略：其一为仅依赖卫星数据的传统直接法，其二为创新性升尺度方法，系统融合多平台观测以桥接多空间尺度。

研究结果显示，升尺度策略显著优于直接法——农场A的相关系数从0.82提升至0.88，农场B从0.81升至0.85。该方法大幅降低了预测不确定性，农场A的高不确定性区域（>1%）从43.3%缩减至20.4%，农场B则从74.5%急剧下降至9.2%。分析进一步揭示了光谱变量与产量之间存在尺度依赖关系，植被指数如冠层叶绿素含量指数（CCCI）、绿波段叶绿素指数（CIgreen）与绿色归一化植被指数（GNDVI）在不同空间分辨率下表现出可变重要性。

多尺度观测的系统性整合不仅显著提高了产量预测精度，同时有效削减了不确定性。该框架为解析跨尺度不确定性传播机制提供了新见解，对精准农业与可持续作物管理具有重要实践意义，填补了当前农业遥感应用中的关键空白。