突破！南京农大在作物产量高精度高分辨率卫星遥感预测方面取得重要进展

主要观点总结

南京农业大学智慧农业创新团队在国际著名期刊《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。该研究团队开发了一种基于高空间分辨率GPP和时空动态HI的高精度作物产量估测方法，攻克了大范围作物产量估测难题。该方法包括改进的双叶光能利用率模型（mTL-LUE）、基于收获指数定义的PDR-TCT方法以及耦合以上步骤形成的HIDYM算法。研究还表明，该方法在水稻和冬小麦产量预测方面表现出较高的准确性和计算效率，并生成了多年10米分辨率的作物产量空间分布产品。

关键观点总结

关键观点1: 研究背景及重要性

气候变化影响、农业决策和粮食安全需要快速、准确及时地估测大面积作物产量。国内外学者已发展了一系列作物产量卫星遥感估测方法，但普遍存在精度不高、效率低或普适性较差等问题。因此，构建一种基于高分辨率GPP和时空动态HI的自动化方法显得尤为重要。

关键观点2: 研究方法和主要成果

该研究通过自助抽样法和多模型过程敏感性分析方法，构建了mTL-LUE模型，实现了高空间分辨率GPP和生长季GPP积累量的高精度估算。同时，提出了基于收获指数定义的PDR-TCT方法，用于逐像素的作物收获指数估算。最后，耦合以上步骤形成HIDYM算法，生成多年大面积10米分辨率作物产量空间分布产品。

关键观点3: 研究结果与对比分析

研究结果表明，mTL-LUE模型在水稻GPP估算方面优于原始TL-LUE模型，减少了GPP估算不确定性。PDR-TCT方法在估算水稻与冬小麦时空动态HI时，比传统HI估算方法的计算效率和精度更高。HIDYM方法对水稻产量预测的提升比对小麦的更显著。此外，HIDYM方法的水稻和冬小麦产量预测精度显著优于GPPMOD17算法。

关键观点4: 研究的潜在应用与影响

该研究为规模种植大户和农业管理部门提供了准确、客观的产量估测手段，有助于农民和农技推广人员推进作物精确管理。该技术对我国智慧农业发展与粮食安全保障具有重要价值。