💡这项突破是什么?
近日，我校省部共建干旱生境作物学国家重点实验室联合北京市农林科学院国家农业信息化工程技术研究中心，在国际农业工程与智慧农业领域权威期刊 Computers and Electronics in Agriculture（中科院一区Top，IF=10.3）发表了题为“A source-side trait-mediated framework for dynamic maize yield prediction using UAV multispectral imagery”的研究论文。该研究针对传统无人机遥感估产模型生理解释性不足以及不同生育时期产量预测关系难以统一表征的问题，提出了一种作物源端农艺性状介导的玉米动态估产框架，通过将叶面积指数（LAI）、叶绿素相对含量（SPAD）和地上生物量（AGB）作为无人机冠层光谱与最终产量之间的中间表型变量，实现了由“光谱直接估产”向“光谱→农艺性状→产量”级联估测模式的拓展。
本研究依托甘肃农业大学武威绿洲农业综合试验站开展的不同种植密度玉米田间定位试验，并在甘肃景泰开展多品种玉米田间试验。研究以LAI、SPAD和AGB作为无人机冠层光谱与最终产量之间的中间农艺性状，构建综合产量指数（CYI），并引入时间动态因子（TDF）刻画不同生育时期CYI与产量关系。结果表明，XGBoost在LAI、SPAD和AGB估测中总体优于RF，独立多品种测试的R2分别达到0.8185、0.8758和0.8113；CYI与产量在不同生育时期的R2为0.67～0.86。统一动态估产模型在2024年独立年度验证中取得R²=0.7803、RMSE=0.6076 t/ha，并在多品种条件下保持较好的预测能力，显示出较好的农艺解释性及跨年度、跨品种适用性。
我校省部共建干旱生境作物学国家重点实验室2024级硕士研究生白成鑫为论文第一作者，甘肃农业大学赵财研究员、鲍晓远助理研究员和国家农业信息化工程技术研究中心顾晓鹤研究员为论文共同通讯作者。该研究得到甘肃省联合科研基金（25JRRA1131）、国家自然科学基金（42271319）、甘肃省联合科学基金（25JRRA1140）等项目的资助。
