点击上方蓝字 轻松关注我们 中国科学院1区Top | IF=7.7 2025.04.19在线发布|本文作者详情如上图 4月19日,河南农业大学2021级智慧农业专业本科生杨默含以第一作者在中国科学院一区TOP期刊《Computers and Electronics in Agriculture》(IF=7.7)上发表了题为《A Robust Two-Stage Framework for Maize Above-Ground Biomass Prediction Integrating Spectral Remote Sensing and Allometric Growth Model》的研究性论文。 地上生物量是作物生长状况的关键指标之一,广泛用于作物生长评估、农业产量预测以及生态系统功能研究。该研究结合三维辐射传输模型、光谱遥感及异速生长模型,提出了一种玉米地上生物量预测的新框架,突破了传统方法的局限性,显著提升了预测精度。 在该研究中,此框架分为两个阶段。第一阶段,使用三维辐射传输模型分析了玉米冠层不同器官对光谱信号的贡献。研究揭示了玉米叶片器官在冠层光谱反射率的变化中占据主导地位,而茎、果穗等非叶片器官对光谱的贡献则较为微弱。 基于这一发现,第二阶段结合了遥感数据与异速生长模型模型,采用随机森林算法来准确预测玉米叶片的生物量。同时,通过建立叶片生物量与非叶片器官(茎、果穗等)之间的异速生长关系,在不同生长阶段精确推算非叶片器官的生物量,从而实现了对玉米地上生物量的精准估算。 结果表明,该框架的估算精度显著提高,R2 达到0.79,RMSE 达到 300.09 g/ m2。与直接光谱估算总地表生物量 (AGB) 相比,本文研究团队显著提高了预测精度,解释力提高了 216%,误差降低了 46.69%。该创新框架显著提升了玉米地上生物量的预测精度,在不同环境和不同生长阶段下都表现出了优异的预测能力。 本文研究全文获取途径:后台回复“437” 图1 研究技术框架 图2 玉米群体三维模型 图3 不同情况下500nm到2500nm波段的反射率 及其绝对差值 图4 模拟计算得出植被指数 表1 玉米不同生长阶段异速生长关系 图5 耦合模型的估算表现 图6 地上生物量制图 这一研究不仅为玉米地上生物量的精准预测提供了强有力的工具,也为其他作物的生物量估算提供了新的参考。基于本框架,农业管理者可以在无需破坏农田的情况下,精准监测作物的生长状态,从而优化灌溉、施肥等农业管理措施,有效提升资源利用效率。该研究不仅在理论上突破了传统地上生物量估算方法的瓶颈,在实际应用中展现了巨大的潜力,为未来作物生物量的遥感监测提供了可靠的技术路径,并为农业监测系统提供了强有力的数据支持。 河南农业大学农学院2021级智慧农业专业本科生杨默含和博士后吴强为本研究共同第一作者,程金鹏研究员、北京市农林科学院信息技术研究中心杨贵军教授、杨浩高级工程师为共同通讯作者,河南农业大学农学院马新明教授和熊淑萍教授、北京师范大学漆建波教授对本研究工作给予了指导和帮助。该研究得到了国家自然科学基金、国家重点研发计划、中国博士后科学基金、河南省科技攻关计划项目以及河南省重点研发与推广专项等项目的资助。 农业科技侠交流群 入群可添加小编微信(扫描下方二维码,备注:来意-姓名-单位,若二维码添加失败,请公众号后台私信留言“入群”) 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源:本文转自农业科技侠数字与智慧农业微信公众号 编辑:吕一帆 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言