简短介绍：及时准确地预测茎干生物量（SDB）对于监测作物生长状况至关重要。 然而，传统的生物量估算模型常受作物生长阶段的影响，这显著限制了它们的时间和空间可转移性。 本研究旨在利用物候变量（PV）开发一种半机理的茎干生物量预测模型（PVWheat-SDB），以准确预测不同生长阶段的小麦 SDB。 模型的核心是在遥感冠层植被指数（VIs）约束下利用 PV 预测 SDB。结果表明，VIs 能够量化不同种植条件和品种下茎生长方程的变化。 所开发的利用归一化差分红边（NDRE）和累积生长积温（AGDD）的 PVWheat-SDB 模型在 SDB 预测方面表现良好，在田间光谱反射率的验证数据集上，其 R2 、RMSE、nRMSE 和 MAE 值分别为 0.88、75.48 g/m2、8.04%和 55.36 g/m2； 当转移到无人机（UAV）高光谱图像时，这些指标分别为0.82、81.76g/m2 、11.22%和 62.82g/m2 。 此外，该模型不仅能够估算当前生长阶段的小麦茎干生物量（SDB），还能预测后续物候阶段的小麦茎干生物量。 生长阶段堆叠策略表明，随着纳入更多生长阶段，模型精度显著提高，尤其是在生殖阶段。这些结果都突出了 PVWheat-SDB 模型在不同生长季节和生长阶段准确预测小麦茎干生物量的鲁棒性和可迁移性。

发表期刊：Artificial Intelligence in Agriculture    IF：12.4（中科院一区Top）

发表时间：2026.3

简短介绍：植被指数（VI）因其简洁和稳健性被广泛用于植物病害的定量遥感监测。 然而，冠层结构特征、病害在冠层中的空间分布模式以及观测几何等因素会影响病害冠层的光谱响应，进而可能削弱VI在特定病害情境（如病害早期）下的监测性能。 目前尚缺乏系统性的研究方法来定量解析多种因素的混合影响机制，这一知识缺口直接影响了田间病害监测实践中最优VI的科学选择。 为解决这一关键科学问题，作者提出了一种综合分析策略，通过耦合三维辐射传输模型（3D RTM）与多准则决策方法——Entropy-weight TOPSIS模型（熵权优劣解距离法），基于多种病害场景的模拟数据与地面验证实验，首次在冠层尺度上实现了病害相关VI的系统性评估。 具体而言，研究采用三维辐射传输模型LESS，精确模拟了褐斑病和花叶病两种典型病害胁迫下的苹果树冠层反射率，并定量解析了树形、病害分布模式及观测几何对40种常用病害VI的混合影响，并从多个关键维度对VI性能进行了系统排序。 研究结果表明，针对不同病害类型，HI2014（针对褐斑病）和WBISWIR（针对花叶病）分别展现出最优的监测性能。 稳定性分析表明，PRIn抵抗树形和病害分布模式变化的能力最强，而WBISWIR在应对观测几何变化时表现最为稳健。 影响因素贡献度评估表明，树形和病害分布模式的影响高于观测几何。该研究揭示了VI与多种混合因素之间的复杂交互作用，强调在病害遥感监测中需谨慎选择VI，特别是在病害早期检测时应充分考虑树形和病害分布模式。 该研究成果为针对特定病害类型与植被特征的VI优选提供了可靠的方法框架，对提升植物病害遥感监测精度具有重要指导意义。

发表期刊：Remote sensing of environment    IF：11.4（中科院一区Top）

发表时间：2025.8

简短介绍：在水资源短缺的黄河流域地区，及时准确地估算作物产量对促进水资源的有效利用和支持农业的可持续发展至关重要。 目前，被广泛应用的 WOFOST 作物模型中，土壤模块缺乏考虑土壤水分动态的分层描述及水分胁迫的影响。 该模型采用最初简单的一维水桶方法计算土壤水分平衡，其假设土壤剖面由多个水平方向上均匀的层组成。 然而实际上，土壤层并非均质。此外，将土壤视为单一单元会在作物根系发育阶段导致土壤水分深度与实际水分吸收深度之间出现不一致。 针对以上科学问题，本研究开发了一个增强的具有分层水热模块的WOFOST模型（E-WOFOST），该模型基于土壤分层水热模块计算了不同深度和不同生长阶段的土壤水分胁迫因子，并将其传递给作物生长模型，以更准确地捕捉干旱区土壤水分的动态变化。 研究结果表明，在站点尺度上，E-WOFOST模型在联合同化LAI和SM及考虑不同生育期不同土壤深度对作物生长的贡献后取得了最佳精度（R2: 0.85–0.90; RMSE: 441.24–740.99 kg/ha; MAPE: 7.83–14.62 %）。 在区域尺度上，基于E-WOFOST模型预测的2017–2020年产量与年鉴统计产量一致性较好，其中R2分别为0.60、0.66、0.59和0.64，对应RMSE分别为543.77、340.66、407.62和635.56 kg/ha。 研究成果对于提升区域作物产量估算精度及优化农业水分管理具有重要的参考意义。

发表期刊：Computers and Electronics in Agriculture    IF：8.9（中科院一区Top）

发表时间：2025.10

简短介绍：田块尺度灌溉作物识别是精准农业和水资源管理的关键环节，对支撑水资源科学管理和精准灌溉决策具有重要意义。 目前常见的灌溉识别产品多基于机器学习方法，缺乏机理支撑难以实现跨区域迁移。 此外，当前灌溉田块识别产品主要以年际公里尺度为主，未实现复杂轮作模式下田块尺度灌溉识别。 针对以上科学问题，本研究从“灌溉对水汽循环的调节”和“灌溉对作物生长的促进”两个机制出发，基于降水（P）-蒸散（AET）-植被指数（NDVI）三维特征空间， 首次创新定义了季中田块灌溉识别的新型坡度长度指数（SLI），通过P-AET-NDVI特征空间确定稳健的雨养线位置，实现利用SLI可以直接生成田块尺度灌溉作物图。 与当前公布的三种灌溉产品相比（LGRIP、IrriMap_CN、GLC_FCS30D），提高了38 %的精确度，整体精度达到0.97。 研究成果为大范围田块尺度灌溉识别和农业水资源治理提供了新路径与决策支持，后续将以此方法为基础生产高精度的全国及全球主要农作物种植田块灌溉识别产品，为开展农田灌溉时空智能分析及农业可持续发展提供参考。

发表期刊：International Journal of Applied Earth Observation and Geoinformation    IF：8.6（中科院一区Top）

发表时间：2025.5

简短介绍：在全球气候变暖背景下，极端气候事件日益频繁，多个主要产粮区同时遭受减产的风险显著上升。 本研究聚焦于气候振荡（包括厄尔尼诺-南方涛动 ENSO、北大西洋振荡NAO 和印度洋偶极子 IOD）如何在变暖背景下重新塑造全球作物产量格局，并进一步加剧粮食生产系统的脆弱性。 通过结合人工智能算法与多模式耦合的全球作物-气候模拟体系（包括12个全球作物模型与5个CMIP6气候模式），系统评估了从1901年到2099年，气候振荡对全球四大粮食作物（玉米、小麦、水稻和大豆）产量变异的影响， 并揭示了这一影响随温室气体排放路径和气候情景的动态演变特征。 研究结果表明，气候变暖显著扩大了气候振荡对农田的影响范围，预计将有额外5.1%到12%的全球耕地暴露于更强烈的气候振荡风险之下。 区域上，21世纪中，NAO在北半球的影响不断增强，而ENSO在南半球的主导地位日益凸显。 此外，ENSO与IOD之间的传统耦合关系也呈现出弱化趋势，两者在未来可能对作物产量表现出更为独立的影响路径。

发表期刊：One Earth (CELL子刊)    IF：15.2（中科院一区Top）

发表时间：2025.6

简短介绍：综合分析了国内外粮食生产大数据、农情监测与智能决策算法、大数据平台方面的相关进展和面临的挑战，面向产前规划、产中监测与决策、产后综合评价等粮食生产全程管理决策需求，构建由多源异构粮食生产大数据治理、粮食生产知识图谱、“数据获取-信息提取-知识构建-智能决策-农机作业”全链条标准化算法体系、数字孪生典型应用场景等环节组成的粮食生产大数据智能平台。应重点关注宏观管理监测和微观农场全程智能化生产作业需求，聚焦粮食生产典型应用场景，充分融合大数据与人工智能、数字孪生及云边端等新技术，探索技术联通集成为本，智能化服务为魂的大数据平台研发路径，创建开放式作物与环境传感接入、核心算法成熟度分级与云原生封装、高效数据与决策服务响应等为核心特色的开放共生型粮食生产大数据平台，实现数据-算法-服务全链条智能化、决策信息与智能装备作业一体化、粮食生产大数据平台与应用体系标准化，形成保障粮食安全高效绿色生产的新质生产力。

发表期刊：智慧农业（中英文）Smart Agriculture

发表时间：2025.5

简短介绍：土壤有机碳（SOC）是土壤健康、农业可持续发展和全球碳循环的重要指标，其精准估算对于精准农业、土壤管理和碳汇监测具有重要意义。 然而，传统SOC测定方法成本高、耗时长，而基于可见-近红外（VNIR）和中红外（MIR）光谱的SOC预测方法虽然高效，但在数据融合和特征提取方面存在局限，难以充分发挥多光谱信息的优势。 针对这一局限，本研究提出了一种基于光谱-图像转换（SIT）和多通道卷积神经网络（MC-CNN）融合的深度学习模型——SOCNet，以提升SOC预测精度。 结果表明，SOCNet在SOC预测精度方面具有显著优势，其预测R2达到0.99，RMSE降低至19.83 g/kg，MAE降至12.30 g/kg， 相较于PLSR和1D-CNN模型，分别减少了至少33.52 g/kg和11.26 g/kg的RMSE，极大提高了SOC估算的准确性和稳定性。 此外，该研究对SOCNet模型的泛化能力进行了验证，结果表明SOCNet在不同土壤环境下均表现出良好的适用性。本研究改进了VNIR与MIR光谱融合在SOC估算中的不足，为大范围、高精度SOC测定提供了新的技术手段。

发表期刊：Computers and Electronics in Agriculture    IF：8.9（中科院一区Top）

发表时间：2025.1