CEA(一区top)|山西农业大学省级智慧农业学院在GDD约束下构建冬小麦地上生物量异速计量模型

01 文章信息

—

02 研究背景及科学问题

—

在全球人口增长与气候变化加剧背景下，粮食安全与农业可持续发展面临严峻挑战。冬小麦作为重要粮食作物，其生长监测与产量形成机制解析对保障粮食安全具有重要意义。地上生物量（AGB）是表征作物生长状态与产量形成的关键变量，同时也是农田碳循环研究的重要基础。传统AGB获取依赖破坏性采样，难以支撑大尺度与高频监测。无人机遥感因其高时空分辨率与灵活性，已成为作物生长监测的重要手段。然而，现有基于光学遥感的AGB估计方法仍面临冠层遮挡导致的信息丢失、植被指数饱和以及模型跨时空泛化能力不足等关键瓶颈，尤其在生长后期表现突出。与此同时，作物生物量分配受物候进程和热时间（GDD）驱动，不同器官间呈现显著的异速生长关系。将物候信息与器官尺度生长机制引入遥感估计过程，是突破现有方法局限的重要方向。本研究聚焦以下三个关键科学问题：

（1）冠层主导观测偏差问题：天顶遥感主要响应上层叶片信息，难以表征茎、穗等非叶器官贡献，导致AGB估计在高覆盖阶段显著偏差。

（2）光谱饱和与季节适用性不足问题：植被指数在冠层封闭后趋于饱和，传统单阶段回归模型难以实现全生育期稳定估计。

（3）生物量分配动态缺乏约束问题：现有异速计量或物候方法多未显式刻画随热时间演变的器官分配机制，限制了模型的物理一致性与泛化能力。

围绕上述问题，本研究构建GDD约束的异速计量AGB估算方法，主要开展以下三方面研究：

（1）叶片与总AGB的异速关系建模：量化冬小麦叶片生物量（AGB_leaf）与总生物量（AGB_total）之间的动态关系，明确叶片在遥感估计中的主导作用及其局限。

（2）引入GDD约束的两阶段建模方法：以累积积温（GDD）作为物候时间尺度，实现对生物量分配动态的显式刻画，提高模型在不同生育阶段的适用性。

（3）多年份数据验证与稳定性评估：基于多年度、多水分处理实验数据，验证模型精度提升效果，评估模型在不同环境条件下的鲁棒性与泛化能力。

本研究针对遥感估算冬小麦地上生物量（AGB）过程中存在的光谱饱和与物候依赖性问题，构建了一个受生长度日（GDD）约束的异速计量模型框架，实现了对作物全生育期AGB的稳定估计。基于2022–2025年多年度受控灌溉试验数据，在GDD尺度上系统刻画了叶片、茎秆、穗及总生物量的动态变化特征。结果表明，不同器官生物量在热时间维度上呈现出一致且连续的演化轨迹，而水分处理主要影响生物量的累积水平，对其变化规律影响较小。进一步分析发现，叶片生物量（AGB_leaf）与总生物量（AGB_total）之间满足幂律形式的异速关系，且其参数随GDD呈现显著的阶段性变化特征，反映出生物量分配随物候进程的动态调控机制。在此基础上，研究构建了“VIs–GDD–异速关系”耦合的两阶段估算模型：首先利用植被指数与GDD协同估算AGB_leaf，随后通过GDD约束的异速关系将其转换为AGB_total。该策略有效缓解了传统方法中由冠层遮挡与光谱饱和导致的信息损失问题。模型评估结果表明，相较于仅基于VIs、仅基于GDD及简单VIs-GDD耦合模型，所提出方法在精度和稳定性方面均显著提升，在独立测试集上取得R² = 0.691、RMSE = 1.594 t·ha⁻¹、MAE = 1.205 t·ha⁻¹的结果，并在整个生长季均保持较好的估计性能。此外，在独立实验数据集上的外部验证进一步证明了该模型在不同环境条件下的良好泛化能力与鲁棒性。本研究通过引入GDD约束并显式刻画器官尺度异速生长关系，实现了遥感观测与作物生长机制的有效融合，为冬小麦AGB的跨阶段高精度估算提供了一种具有较强解释性与适用性的技术路径。