利用遥感技术进行作物产量预测的进展与前景：综述

准确及时农作物产量预测对全球粮食安全、国际贸易平衡和可持续农业至关重要，遥感技术因其大范围观测优势成为关键工具。本文系统综述了回归统计模型、机器学习、半经验模型、作物模型-数据同化及深度学习方法，剖析了空间时间异质性、环境胁迫和模型可扩展性等挑战，提出融合人工智能与遥感技术的解决方案，并构建方法选择策略，为不同场景下精准预测提供指导。

摘要：

准确及时的作物产量预测对于实现全球粮食安全、平衡国际粮食贸易以及促进可持续农业发展至关重要。通过提供一致且大规模的观测数据，遥感技术在地方、区域和全球层面的作物产量估算中变得不可或缺。在过去四十年里，已经开发出了许多作物产量预测方法，包括基于回归的统计模型、机器学习、半经验模型、作物模型-数据同化（DA）以及先进的深度学习（DL）方法。本文全面探讨了这些方法的最新进展，并对其在实际应用中的优点和局限性进行了批判性评估。特别是，本文强调了与时空变异性、环境压力因素和模型可扩展性相关的挑战，并提出了提高区域和全球作物产量预测准确性和可靠性的潜在解决方案。此外，还概述了一种选择策略，为根据具体应用目标、数据可用性和地理尺度选择最合适的产量估算方法提供了指导。我们还确定了影响作物产量预测的关键因素，并对未来发展趋势和发展方向提供了见解。进一步地，我们强调了将人工智能（AI）和遥感技术与基于过程的作物生长模型结合（通过DA技术）的最大潜力。这种融合对于满足对准确且可扩展的产量预测的迫切需求具有重要意义。随着全球对粮食需求的增加以及对可持续农业需求的增长，这些先进方法的发展和应用将在确保粮食系统的韧性和支持可持续农业实践方面发挥重要作用。

准确及时的作物产量预测对于实现全球粮食安全、平衡国际粮食贸易以及促进可持续农业发展至关重要。通过提供一致且大规模的观测数据，遥感技术在地方、区域和全球层面的作物产量估算中变得不可或缺。在过去四十年里，已经开发出了许多作物产量预测方法，包括基于回归的统计模型、机器学习、半经验模型、作物模型-数据同化（DA）以及先进的深度学习（DL）方法。本文全面探讨了这些方法的最新进展，并对其在实际应用中的优点和局限性进行了批判性评估。特别是，本文强调了与时空变异性、环境压力因素和模型可扩展性相关的挑战，并提出了提高区域和全球作物产量预测准确性和可靠性的潜在解决方案。此外，还概述了一种选择策略，为根据具体应用目标、数据可用性和地理尺度选择最合适的产量估算方法提供了指导。我们还确定了影响作物产量预测的关键因素，并对未来发展趋势和发展方向提供了见解。进一步地，我们强调了将人工智能（AI）和遥感技术与基于过程的作物生长模型结合（通过DA技术）的最大潜力。这种融合对于满足对准确且可扩展的产量预测的迫切需求具有重要意义。随着全球对粮食需求的增加以及对可持续农业需求的增长，这些先进方法的发展和应用将在确保粮食系统的韧性和支持可持续农业实践方面发挥重要作用。