实时监测生物量对农田管理、产量估测及粮食安全等具有重要意义。3月9日，北京农业信息技术研究中心陈立平研究员、杨贵军研究员、李振海博士等团队的研究成果在国际期刊Remote Sensing of Environment（IF=10.164）在线发表了题为“ 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。

 

　　该成果针对作物产量性状相关的地上部生物量这一重要农学参数，利用观测收集的黄淮海冬小麦主产区近10年田间定位观测实验数据，通过对比分析多种表征作物物候相关的参量，并将其与遥感信息共同建立了具有农学机理的反演模型，构建了适合全生育时期的冬小麦生物量估测模型（CBA-Wheat模型），较好解决了长期以来困扰农业定量遥感中多生育期作物参数反演模型难统一的难题。相比当前广泛开展的基于机器学习及深度学习的作物参数识别方法，论文成果具有明显的普适、简便、高效高精度等特点，为创新建立天空地农情参数遥感监测统一模型提供了新的途径。

 

该研究得到国家重点研发项目-中英智慧农场项目（2019YFE0125300）、现代农业产业技术体系建设专项资金（CARS-03）等项目资助。