粮食作物产量精准预测对粮食政策制定、农业管理及粮食安全至关重要。传统破坏性取样耗时耗力、效率低下，无法满足现代农业精细化需求。无人机遥感操作灵活、成像分辨率高、成本可控，可精准捕捉作物生长状态，适配不同尺度监测需求，在产量预测中优势显著。但作物不同生育期光谱差异大，现有研究未解决“兼顾精度与成本”的生育期筛选问题，且缺乏主导控制变量的系统研究，构建高效预测模型成为精准农业领域的迫切需求。

近期，西北农林科技大学水建学院/旱区节水灌溉理论与新技术胡笑涛教授团队完成的题为“Identification of the optimal phenological periods for summer maize yield prediction using UAV-based multispectral data”的研究在Journal of Integrative Agriculture（《农业科学学报（英文）》，JIA）2026年6期发表。

本研究创新提出基于无人机多光谱数据的夏玉米产量预测最优生育期识别结构化框架，实现生育期与输入控制变量双重优化以降低检测成本。研究明确抽雄期为产量预测最早适宜时期，可实现可接受精度估算。抽雄期、吐丝期、乳熟期多期数据融合，优于单一生育期和全生育期的估算精度，能显著提升预测准确性与可靠性。

该研究以夏玉米产量为研究对象，提取了无人机多光谱影像植被指数（VIs），同时原位测定3个作物表型参数（株高、LAI和AGB）。采用三种经典方法，包括自定义平均精度下降法 (C-MOD)，最优参数的地理检测器模型（OPGD）和灰色关联度方法（MOD），对6个生育期内的关键建模因子进行筛选，建立了单一生育期与多生育期数据岭回归模型。结果显示C-MDA方法筛选效果最优，绿色归一化植被指数 (GNDVI)、归一化差异植被指数（NDVI）和归一化红边指数(NDRE)为最优植被指数，LAI和AGB为最优表型参数。在单生育产量估算中，利用乳熟期数据得到的预测精度最高，抽雄期为最早适宜期，三生育期（抽雄、吐丝、乳熟期）数据融合预测效果最佳，构建的模型兼顾精度与成本，可为精准农业提供支撑。

西北农林科技大学胡笑涛教授和王亚昆副教授为该论文的通讯作者，代秦硕士为该论文的第一作者。该研究得到了国家自然科学基金黄河水科学研究联合基金（U2243235）、国家自然科学基金青年科学基金项目（52309060）的资助。

Cite the article:

Qin Dai, Hong Chen, Ziqiang Chen, Chang Liu, Gaoliang Li, Yakun Wang, Xiaotao Hu. 2026. Identification of the optimal phenological periods for summer maize yield prediction using UAV-based multispectral data. Journal of Integrative Agriculture, 25(6): 2396-2413.

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5.7，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。

支持单位：