復(fù)雜脅迫下作物產(chǎn)量早期預(yù)測(cè)的挑戰(zhàn)與瓶頸

　　作物產(chǎn)量預(yù)測(cè)是評(píng)估田間管理效果與輔助育種決策的關(guān)鍵環(huán)節(jié)。相較于傳統(tǒng)作物模型依賴多源復(fù)雜參數(shù)，機(jī)器學(xué)習(xí)模型結(jié)合遙感技術(shù)，能以無(wú)損、高通量的方式實(shí)現(xiàn)作物表型監(jiān)測(cè)與產(chǎn)量預(yù)測(cè)。盡管如此，現(xiàn)有模型在實(shí)際應(yīng)用中仍面臨兩大挑戰(zhàn)：

　　（1）早期預(yù)測(cè)精度不足：作物冠層結(jié)構(gòu)對(duì)干物質(zhì)積累的影響隨生長(zhǎng)期推進(jìn)而增強(qiáng)，導(dǎo)致依賴形態(tài)變化的模型在早期預(yù)測(cè)精度受限，難以滿足育種早期決策需求；

　　（2）復(fù)合脅迫下的泛化誤差：田間環(huán)境復(fù)雜，水氮脅迫往往聯(lián)合發(fā)生。年份間的環(huán)境變異及脅迫組合差異，導(dǎo)致模型在面對(duì)與訓(xùn)練集分布不同的目標(biāo)樣本時(shí)，產(chǎn)生顯著的泛化誤差；

　　基于此，中國(guó)農(nóng)業(yè)科學(xué)院陳震老師團(tuán)隊(duì)聯(lián)合河南大學(xué)、邢臺(tái)農(nóng)科院等團(tuán)隊(duì)在《Agricultural Water Management》發(fā)表研究。團(tuán)隊(duì)以水氮聯(lián)合脅迫下的冬小麥為研究對(duì)象，結(jié)合無(wú)人機(jī)高光譜遙感數(shù)據(jù)，提出了一種基于多脅迫數(shù)據(jù)融合的可解釋跨周期集合學(xué)習(xí)框架（APEL），研究證實(shí)，該方法顯著提升了模型在復(fù)雜脅迫環(huán)境下的預(yù)測(cè)精度與泛化能力，為作物早期產(chǎn)量預(yù)測(cè)提供了高精度、可解釋的技術(shù)支撐，對(duì)推動(dòng)智慧農(nóng)業(yè)發(fā)展與節(jié)水育種實(shí)踐具有重要的科學(xué)意義與應(yīng)用價(jià)值。

圖1.研究區(qū)域和實(shí)驗(yàn)設(shè)計(jì)。

多應(yīng)力融合與跨周期集合學(xué)習(xí)

　　研究區(qū)域：研究在河南省新鄉(xiāng)市的中國(guó)農(nóng)業(yè)科學(xué)院新鄉(xiāng)綜合試驗(yàn)基地和河北省農(nóng)林科學(xué)院的Yanli試驗(yàn)基地兩個(gè)試驗(yàn)站點(diǎn)開展了為期兩年（2022-2024）的田間試驗(yàn)；

　　研究對(duì)象：冬小麥，新鄉(xiāng)10個(gè)河南主栽冬小麥品種；邢臺(tái)在此基礎(chǔ)上增加5個(gè)河北本地品種；

　　脅迫處理：

　　2023年：分別設(shè)置了水分虧缺（W1-W6，6個(gè)梯度）和氮素虧缺（N1-N6，6個(gè)梯度）的平行試驗(yàn)；

　　2024年：基于首年結(jié)果，篩選出4個(gè)水分和4個(gè)氮素梯度，交叉組合構(gòu)建16個(gè)水氮聯(lián)合脅迫處理；

　　數(shù)據(jù)采集：利用機(jī)載Resonon Pika L高光譜成像儀的方式獲取抽穗期與灌漿期冠層反射率數(shù)據(jù)，使用ASD Fieldspec3地物光譜儀同步采集地面測(cè)量數(shù)據(jù)，二者進(jìn)行數(shù)據(jù)比對(duì)，以驗(yàn)證無(wú)人機(jī)數(shù)據(jù)的準(zhǔn)確性；

　　Pika L高光譜成像儀光譜參數(shù)：

　　光譜范圍：400-1000 nm；

　　光譜通道數(shù)：281；

　　空間通道數(shù)：900；

　　光譜分辨率：2.7 nm；

　　像素尺寸：5.86μm；

　　采樣頻率：1.07 nm；

　　狹縫寬度：12μm；

　　數(shù)據(jù)處理：創(chuàng)新性的提出多脅迫數(shù)據(jù)集融合策略，整合單脅迫樣本提升聯(lián)合脅迫泛化能力。構(gòu)建跨周期集成學(xué)習(xí)（APEL）框架，利用歷史灌漿期模型經(jīng)歷史抽穗期更新實(shí)現(xiàn)早期預(yù)測(cè)。模型基于 PLSR 結(jié)合多隨機(jī)采樣與多階段集成，采用VIP和SHAP對(duì)模型進(jìn)行可解釋性分析，并經(jīng)跨年度獨(dú)立驗(yàn)證。

圖2.方法概述：（a）2024年實(shí)驗(yàn)水氮聯(lián)合脅迫處理梯度選擇;（b）無(wú)人機(jī)高光譜插值和濾波處理期間的波形;（c）跨時(shí)期集合框架和多隨機(jī)采樣策略的概念圖。

圖3.（a）實(shí)測(cè)產(chǎn)量表現(xiàn)；（b）組合脅迫條件下的模型性能下降；（c）不同數(shù)據(jù)集組合下的訓(xùn)練效率。

圖4.基于不同數(shù)據(jù)集和方法訓(xùn)練的每個(gè)模型的性能總結(jié)。

圖5.（a）各目標(biāo)樣本的跨波長(zhǎng)特征的SHAP值；（b）基于SHAP和VIP的高光譜特征重要性；（c）2022-2024年生長(zhǎng)周期內(nèi)兩個(gè)站點(diǎn)的降水模式；（d）兩個(gè)站點(diǎn)太陽(yáng)輻射的年際變化。

多應(yīng)力融合策略與APEL框架顯著提升早期預(yù)測(cè)精度

　　水氮聯(lián)合脅迫顯著減少冬小麥的產(chǎn)量，特別是在嚴(yán)重脅迫條件下；

　　在聯(lián)合脅迫條件下，傳統(tǒng)模型的預(yù)測(cè)精度下降；

　　多脅迫源數(shù)據(jù)融合顯著提高了產(chǎn)量預(yù)測(cè)的準(zhǔn)確性；

　　APEL框架通過(guò)跨周期學(xué)習(xí)提高了早期階段產(chǎn)量預(yù)測(cè)的精度；

　　SHAP與VIP分析結(jié)果高度一致，表明紅光與近紅外波段對(duì)產(chǎn)量預(yù)測(cè)貢獻(xiàn)大。

從科研到田間：APEL框架在智慧農(nóng)業(yè)決策中的應(yīng)用潛力與未來(lái)

　　本研究利用無(wú)人機(jī)高光譜遙感技術(shù)，針對(duì)水氮聯(lián)合脅迫下作物早期產(chǎn)量預(yù)測(cè)精度低的難題，創(chuàng)新性地提出了多脅迫數(shù)據(jù)集融合策略與跨周期集合學(xué)習(xí)（APEL）框架。該方法顯著提升了模型在水氮聯(lián)合脅迫下的泛化能力與抽穗期預(yù)測(cè)性能，并結(jié)合SHAP等方法揭示了關(guān)鍵光譜波段的貢獻(xiàn)。未來(lái)，該研究框架可進(jìn)一步集成作物生長(zhǎng)模型與氣象大數(shù)據(jù)，以增強(qiáng)不同氣候區(qū)及多品種間的普適性，并有望轉(zhuǎn)化為低成本的多光譜監(jiān)測(cè)方案，為智慧農(nóng)業(yè)的精準(zhǔn)決策提供更具實(shí)效性的技術(shù)支撐。

　　發(fā)表期刊：Agricultural Water Management【影響因子：6.5】

　　研究單位：中國(guó)農(nóng)業(yè)科學(xué)院、河南大學(xué)、邢臺(tái)市農(nóng)業(yè)科學(xué)院

　　研究地點(diǎn)：中國(guó)農(nóng)業(yè)科學(xué)院新鄉(xiāng)綜合試驗(yàn)基地、河北省農(nóng)林科學(xué)院的Yanli試驗(yàn)基地

　　使用設(shè)備：Resonon Pika L 高光譜成像儀、ASD Fieldspec3地物光譜儀

　　DOI：https://doi.org/10.1016/j.agwat.2026.110204