焦点提醒：近日，中国农业科学院农业资本取农业区划研究所农业绿色成长科学取工程团队建立了格网化冬小麦产量估算模子，通过遥感数据取机械进修手艺的深度融合，显著提拔了冬小麦区域产量预测的精度。……（世界食物网-）做物产量估算正在农业政策制定、资本设置装备摆设以及出产实践中都具有主要感化。然而，保守做物模子虽然正在小范畴内有较高精度，但正在区域标准上使用却面对庞大挑和，次要包罗输入参数需求高、数据获取难、为了降服这些瓶颈，操纵多源数据建立精准的区域冬小麦产量模子，并连系最新的机械进修和遥感数据手艺，测验考试正在区域标准上实现更高的产量预测精度。该研究通过建立一个1公里分辩率的冬小麦格网化模子，将整个研究区域划分为若干的格网单位，每个单位输入景象形象、土壤、办理等多源数据进行做物发展模仿。团队正在此根本上，以实现从动参数优化，提高模子的顺应性和预测能力。此外，研究中还使用了两种遥感数据方式：集成卡尔曼滤波（EnKF）和四维变分（4Dvar），通过将遥感叶面积指数（LAI）数据引入做物发展轨迹，进一步校正和优化模子模仿成果，从而无效降低了做物模子的不确定性。尝试成果表白，该方式显著提高了冬小麦产量估算的精度。具体而言，颠末参数优化和数据后，模子的相关系数（R？）从0。53提拔到0。94，均方根误差（RMSE）从824。82 kg/ha降至148。48 kg/ha，冬小麦产量的估算精度大幅提拔。研究发觉，正在几种分歧的优化和策略中，SCE-UA取4Dvar的连系结果最佳，使得格网化模子能够达到最高的模仿精度。该研究具有主要的使用价值。起首，这一方式无效处理了保守做物模子正在区域标准上难以切确估算的问题，为大范畴农业出产预测供给了新的手艺思。其次，通过对年际冬小麦产量的高精度模仿，模子可以或许帮帮农业办理者及时监测做物发展情况并及时应对潜正在问题。此外，该研究还鞭策了空间化做物模子取遥感手艺的连系，为将来智能农业和精准农业的成长奠基了根本。虽然研究取得了显著，团队也指出该方式仍有进一步优化空间，例如，遥感数据的精度提拔、模子参数的区域化校准等。将来，跟着遥感手艺和机械进修算法的持续前进，这种空间化做物模子无望正在全球范畴内获得推广使用，为应对天气变化和保障粮食平安供给强无力的手艺支撑。中国农业科学院农业资本取农业区划研究所博士后为论文第一做者，高懋芳研究员为论文通信做者，该研究获得北方干旱半干旱耕地高效操纵全国沉点尝试室、国度天然科学基金立异群体项目赞帮。
：
