近日，河南農業大學農學院2021級智慧農業專業本科生楊默含以第一作者在《Computers and Electronics in Agriculture》上發表了題為《A Robust Two-Stage Framework for Maize Above-Ground Biomass Prediction Integrating Spectral Remote Sensing and Allometric Growth Model》的研究性論文。地上生物量是作物生長狀況的關鍵指標之一，廣泛用于作物生長評估、農業產量預測以及生態系統功能研究。該研究結合三維輻射傳輸模型、光譜遙感及異速生長模型，提出了一種玉米地上生物量預測的新框架，突破了傳統方法的局限性，顯著提升了預測精度。

圖1 研究技術框架

在該研究中，此框架分為兩個階段。第一階段，使用三維輻射傳輸模型分析了玉米冠層不同器官對光譜信號的貢獻。研究揭示了玉米葉片器官在冠層光譜反射率的變化中占據主導地位，而莖、果穗等非葉片器官對光譜的貢獻則較為微弱。

圖2 玉米群體三維模型

圖3 不同情況下500nm到2500nm波段的反射率及其絕對差值。

圖4 模擬計算得出植被指數

基于這一發現，第二階段結合了遙感數據與異速生長模型，采用隨機森林算法來準確預測玉米葉片的生物量。同時，通過建立葉片生物量與非葉片器官（莖、果穗等）之間的異速生長關系，在不同生長階段精確推算非葉片器官的生物量，從而實現了對玉米地上生物量的精準估算。

表1 玉米不同生長階段異速生長關系

結果表明，該創新框架顯著提升了玉米地上生物量的預測精度，在不同環境和不同生長階段下都表現出了優異的預測能力。

圖5 耦合模型的估算表現不好

圖6 地上生物量制圖

這一研究不僅為玉米地上生物量的精準預測提供了強有力的工具，也為其他作物的生物量估算提供了新的參考。基于本框架，農業管理者可以在無需破壞農田的情況下，精準監測作物的生長狀態，從而優化灌溉、施肥等農業管理措施，有效提升資源利用效率。該研究不僅在理論上突破了傳統地上生物量估算方法的瓶頸，在實際應用中展現了巨大的潛力，為未來作物生物量的遙感監測提供了可靠的技術路徑，并為農業監測系統提供了強有力的數據支持。

河南農業大學農學院2021級智慧農業專業本科生楊默含和博士后吳強為本研究共同第一作者，農學院程金鵬研究員、北京市農林科學院信息技術研究中心楊貴軍教授、楊浩高級工程師為共同通訊作者，河南農業大學農學院馬新明教授和熊淑萍教授、北京師范大學漆建波教授對本研究工作給予了指導和幫助。該研究得到了國家自然科學基金、國家重點研發計劃、中國博士后科學基金、河南省科技攻關計劃項目的聯合資助。

論文鏈接：

https://doi.org/10.1016/j.compag.2025.110398