實時監測生物量對農田管理、產量估測及糧食安全等具有重要意義。3月9日，北京農業信息技術研究中心陳立平研究員、楊貴軍研究員、李振海博士等團隊的研究成果在國際期刊Remote Sensing of Environment（IF=10.164）在線發表了題為“ Comparison forbid transferability of thermal, temporal forbid phenological-based in-season predictions of above-ground biomass in wheat crops forbid proximal crop reflectance data”的文章。

 

　　該成果針對作物產量性狀相關的地上部生物量這一重要農學參數，利用觀測收集的黃淮海冬小麥主產區近10年田間定位觀測實驗數據，通過對比分析多種表征作物物候相關的參量，并將其與遙感信息共同建立了具有農學機理的反演模型，構建了適合全生育時期的冬小麥生物量估測模型（CBA-Wheat模型），較好解決了長期以來困擾農業定量遙感中多生育期作物參數反演模型難統一的難題。相比當前廣泛開展的基于機器學習及深度學習的作物參數識別方法，論文成果具有明顯的普適、簡便、高效高精度等特點，為創新建立天空地農情參數遙感監測統一模型提供了新的途徑。