作物产量的精准预测对于科学农业决策至关重要，能够有效辅助农户和政策制定者优化生产管理。然而，现有的预测方法各有局限。基于过程的作物生长模型结构复杂，依赖大量输入参数，如遗传参数、环境序列数据及管理措施；相比之下，数据驱动的经验统计模型虽相对简化，但因缺乏对作物内在生理机制的分析，导致泛化性和可移植性较差。研究人员基于农业生产系统模拟器(APSIM)的高粱生长模拟过程，聚焦于物候生长阶段，通过将APSIM模型中的产量构成参数、光合作用参数及品种遗传参数替换为关键物候期的遥感数据，提出了一种结构简化的多时相遥感产量估算模型。该模型的决定系数(R2)为0.65，均方根误差(RMSE)为61.38 g/m2，相对均方根误差(rRMSE)为10.43%。在不同年份的独立验证实验中，模型在测试集上表现同样良好，R2达0.61，RMSE为72.85 g/m2，rRMSE为12.38%。在保持较高精度的同时，该模型还表现出良好的泛化和迁移能力，为田块尺度的高粱产量评估提供了可靠的技术支撑。
研究背景方面，高粱作为一种典型的C4作物，凭借高效的光合途径实现较高的水分与氮素利用效率，从而在生理层面具备抗旱、耐盐碱及适应贫瘠土壤的能力，在干旱与半干旱地区的粮食安全与气候变化适应中具有重要战略意义。同时，高粱作为粮饲、酿造和生物能源等多用途作物，其产量直接影响相关产业链的稳定。因此，精准预测高粱产量对农业生产与田间管理具有重要意义。传统产量测定主要依赖田间收割，费时费力且具有破坏性，难以实现快速大范围预测，无法在收获前实施及时的管理措施。相比之下，遥感技术具备无损、高效、低成本的特点，可在关键物候期监测作物生长，为产量估算提供高频数据支持。然而，现有遥感估产方法主要分为经验统计模型和作物生长模型两类，前者结构简单但缺乏生理机制分析，精度有限且易受数据时间影响；后者基于光合与生物量分配等生物物理过程，机制解释性强，但结构复杂、参数繁多，难以在大面积多品种条件下动态反映实际生长状态，且在区域尺度应用时面临空间异质性与尺度转换难题。
研究人员在贵州省遵义市高粱试验田开展为期两年的研究，结合无人机(UAV)多光谱遥感数据与农业生产系统模拟器(APSIM)模型，构建了适用于田块尺度的简化多时相遥感产量估算模型。该方法将关键物候期的遥感指标替代APSIM中的产量构成、光合作用及品种遗传参数，实现了机制与数据的协同驱动。模型在独立跨年验证中保持了较高精度与良好的迁移能力。
关键技术方法方面，研究采用两年（2024–2025）田间试验数据，覆盖不同品种与环境条件。利用无人机平台获取厘米级空间分辨率的多光谱影像，提取多个植被指数(VI)，并结合冠层高度(H)提高叶面积指数(LAI)的反演精度。将LAI与归一化植被指数(NDVI)组合，表征生物量积累速率并进行时间积分，以此替代APSIM模型中的复杂参数，实现产量估算。此外，引入主流线性估算模型及融合遥感LAI的APSIM同化模型进行对比，系统评估模型的精度与跨年迁移性能。
研究结果方面，LAI估计显示，结合冠层高度的VI×H模型显著提高了LAI反演精度，其中H×VARI相关性最高，反演结果与实际测量值高度一致。讨论部分指出，冠层高度信息的引入增强了植被指数与LAI的相关性，有效反映了三维冠层结构与密度变化。结论部分表明，基于APSIM产量形成机制，在关键物候期（孕穗期、开花期、灌浆期）实现LAI高精度反演，并通过LAI×NDVI表征生物量积累速率及其时间积分，成功替代了复杂的产量构成、光合及遗传参数，在保证精度的同时提升了模型的可操作性和跨年适应性。
在讨论中，研究人员强调，该方法兼顾了作物生长机制与参数简洁性，避免了传统同化方法对遥感数据质量与预处理的高度依赖，减少了计算成本，更适用于田块尺度的育种试验与实际生产管理。结论部分指出，该多时相遥感估产模型不仅在精度上优于单一时期经验统计模型，还在跨年验证中展现了稳定的性能，为高粱及其他作物的精准产量评估提供了新的可行路径，尤其在高异质性种植环境与多品种条件下具有推广应用潜力。该研究发表于《Field Crops Research》。
