学术动态

近日，南京农业大学农学院智慧农业创新团队在国际著名顶级遥感期刊《Remote Sensing of Environment》发表了题为“HIDYM: A high-resolution gross primary productivity and dynamic harvest index based crop yield mapper”的研究论文，报道了他们在作物产量高精度高分辨率卫星遥感预测技术方面的重要进展。

该研究首先通过自助抽样法和多模型过程敏感性分析方法，分析了水稻生长季环境因子对GPP的影响规律，构建一种改进的双叶光能利用率模型(modified two-leaf light use efficiency model, mTL-LUE)，以实现高空间分辨率GPP和生长季GPP积累量的高精度估算。此外，基于收获指数定义，利用作物移栽/播种、抽穗和收获三个时期的Sentinel-2影像，计算这些影像的缨帽变换(tasseled cap transformation, TCT)分量(湿度、绿度和亮度)，随后提取这三个时期TCT分量的差值和比值(phenological difference ratio, PDR)，提出一种逐像素的作物收获指数估算方法(PDR-TCT)(图1)。最后，通过耦合以上步骤形成高空间分辨率GPP与时空动态HI驱动的作物产量估测算法(high-resolution GPP and dynamic HI based yield mapper, HIDYM)，生成多年大面积10米分辨率作物产量空间分布产品。

图1.(A)水稻和(B)冬小麦时序特征曲线上物候差值比值(PDR)提取的示意图。DSOS、DPOS和DEOS分别代表生长季开始(SOS)、旺盛期(POS)和生长季结束(EOS)日期的遥感变量。注：x轴单位为天，y轴无量纲。

同时，使用多年田间实测产量数据对HIDYM的性能进行了系统评估，并在江苏省水稻和冬小麦产量预测方面，与广泛使用的卫星遥感GPP估算产品GPPMOD17和固定收获指数策略进行了对比。结果表明，mTL-LUE模型在水稻GPP估算方面优于原始TL-LUE模型(图2)，减少了GPP估算不确定性。此外，PDR-TCT方法在估算水稻与冬小麦时空动态HI时(图3)，由于其在捕捉产量形成过程方面的优势，比传统HI估算方法的计算效率和精度更高。与固定收获指数策略相比，HIDYM对水稻产量预测的提升比对小麦的更显著(图4)。

图2.(A) GPPorg、(B) GPPAND、(C) GPPOR1、(D) GPPOR2、(E) GPPOR3、(F) GPPOR4与GPPEC的比较。黑色虚线为1:1线。GPPorg为原始双叶光能利用率模型模拟值，GPPAND为考虑大气温度、CO2和VPD共同作用下模拟值，GPPOR1-GPPOR4为受到不同二者组合因素作用的模拟值。

图3.基于PDR-TCT方法估算的江苏省作物收获指数空间分布图，(A-D) 为2019年至2022年水稻，(E-F) 为2021-2022年和2022-2023年冬小麦。

图4. 基于HIDYM方法的产量预测值与实测产量值散点图。(A-B)水稻和冬小麦、(C-D)水稻和(E-F)冬小麦。蓝色为基于动态收获指数的结果，橙色为基于固定收获指数的结果，每个数据点代表一个田间测产样方。

进一步对HIDYM方法与GPPMOD17产品算法对比分析后发现，HIDYM方法的水稻和冬小麦产量预测精度显著优于GPPMOD17算法。特别是由HIDYM算法生成的10米分辨率江苏省作物产量分布图，能够揭示全省所有田块水稻和冬小麦产量的时空变异性，呈现了前人研究难以提供的碎片化农田分布格局中的作物产量空间异质性细节(图5)。

图5.基于HIDYM方法的10米分辨率江苏省作物预测产量空间分布图，(A-D) 为2019年至2022年水稻，(E-F) 为2021-2022年和2022-2023年冬小麦。

本研究由南京农业大学国家信息农业工程技术中心主持完成，农学院博士研究生余卫国为论文第一作者，程涛教授为通讯作者。农学院曹卫星教授、朱艳教授、姚霞教授、郑恒彪副研究员、李栋青年研究员参与了研究工作。南京大学地理与海洋科学学院张永光教授、周艳莲副教授、江苏省农科院邱琳副研究员提供了数据支持。

链接：http://doi.org/10.1016/j.rse.2024.114301

来源：南京农业大学新闻网·农业之巅