蚕豆作为重要的食用豆类作物，其产量精准预测对优化田间管理、提升育种效率和保障粮食安全具有重要意义。然而，传统估产方法或依赖经验判断，主观性强；或需大量人力实地采样，成本高且具有破坏性，难以适用于大面积种植场景。此外，现有遥感研究多聚焦于开花后阶段，对开花前能否准确预测最终产量尚不明确，且鲜有研究利用高光谱数据对蚕豆产量类别进行自动化分类。

近期，浙江农林大学现代农学院和中国农科院作科所合作完成的题为“Early prediction of faba bean yield and yield categories based on spectral-texture fusion of UAV hyperspectral imaging”的研究在Journal of Integrative Agriculture（JIA）优先在线发表。

该研究以48份蚕豆种质资源（144个试验小区）为研究材料，利用无人机高光谱相机在蚕豆分枝期、孕蕾初期和孕蕾中期三个关键生育期采集冠层影像。通过先进的图像处理技术从原始数据中提取了两类核心特征：一是包含全部125个波段信息的全波段反射率（FBR），二是基于灰度共生矩阵计算的8种纹理特征（TF），用以刻画冠层结构的空间异质性，并结合多种机器学习模型用于蚕豆产量与产量类别的早期预测。

该研究发现FBR在所有生长阶段均获得更高的决定系数（R²>0.60）和更低的均方根误差（RMSE<0.93 t ha^-1），表明其对细微生理动态的捕捉能力更优；而TF与FBR的融合进一步提升了模型精度，特别是孕蕾中期的DNN模型（R²=0.8254，RMSE=0.4732 t ha^-1），与传统方法相比，R²提升约15%-27%，RMSE降低38%-49%，凸显了光谱-空间融合的协同效应。在产量类别预测中，XGBoost算法表现出色（F1-score>0.86）。空间分析证实了产量及产量等级的实测与预测分布具有高度一致性，验证了所提方法的稳健性。

结果表明，在蚕豆开花前可以通过无人机高光谱成像与机器学习实现高精度产量与等级预测，构建高效、可扩展的智能评估框架，为豆类作物精准管理和育种提供新工具。

浙江农林大学现代农学院季一山为论文的第一作者，浙江农林大学现代农学院丁明全教授和中国农科院作科所杨涛研究员为论文的通讯作者。该研究得到了国家自然科学基金（32501884）、浙江农林大学科研发展基金人才启动项目（2024LFR123）、国家食用豆产业技术体系（CARS-08）以及作物基因资源与育种全国重点实验室基金的资助。

Cite the article:

Yishan Ji, Yue Song, Ying Jin, Yuxing Cui, Yu Jin, Mingquan Ding, Tao Yang. 2026. Early prediction of faba bean yield and yield categories based on spectral-texture fusion of UAV hyperspectral imaging. Journal of Integrative Agriculture, Doi:10.1016/j.jia.2026.03.005

https://doi.org/10.1016/j.jia.2026.03.005

Journal of Integrative Agriculture（《农业科学学报（英文）》, JIA）由中华人民共和国农业农村部主管，中国农业科学院与中国农学会主办，中国农业科学院农业信息研究所承办。综合性英文学术期刊，月刊。创刊于2002年，现任主编为中国科学院院士陈化兰。JIA主要栏目有作物科学、园艺、植物保护、动物科学、动物医学、农业生态环境、食品科学、农业经济与管理等。刊稿类型有综述、研究论文、简报以及评述等。全部论文在Elsevier-ScienceDirect (SD) 平台OA出版。最新SCI影响因子4.4，位于SCI-JCR农业综合学科Q1区。中国科学院分区农林科学1区。2016年以来先后获得中国科协等部委 “提升计划”“登峰计划”“卓越计划”项目支持。