及时准确地监测田间和地区范围内的冬小麦长势和产量，对制定农业管理战略和减少环境条件变化对作物产量的影响至关重要。目前，大多数长势研究是基于单一的农学参数进行的，只能代表局部的长势信息。很少有研究将多个农学参数系统地组合为一个综合指标，进而利用遥感数据估计作物产量。因此，有必要开发一种可行的综合评价方法，构建一个既能综合反映氮含量(LNC)、叶面积(LAI)、生物量(LB)和含水量(LWC)等长势信息，又与产量挂钩的综合产量评价指标。

及时准确的监测小麦长势可以为农田管理和早期估产提供快速的宏观信息，是发展精准农业不可或缺的一步。本研究的目的是利用改进的模糊综合评判法(FCE)建立一个综合产量评价指标(CYEI)，并对CYEI在长势监测和估产中的表现进行评价。具体如下：(1)考虑到田间先验数据之间的自相关关系，提炼多年(2012-2018)累积数据，并采用FCE方法构建CYEI;(2)将梯形隶属函数(CYEItm)建立的CYEI与基于改进FCE方法的CYEI进行比较，选择并建立各种植被指数(VIs)，利用地面高光谱数据进行CYEI估计;(3)利用贝叶斯信息准则(BIC)和CYEI，从地面高光谱数据和无人机(UAV)数据中选择偏最小二乘回归(PLSR)算法的输入参数，并估计产量。结果表明，CYEI能全面反映LAI、LB、LWC、LNC等信息。与各种农学参数相比，基于改进FCE法的CYEI与产量的相关性更为密切(孕穗期、开花期和灌浆期的R²分别为0.63、0.69和0.63)。利用最优VIs建立的线性模型对CYEI进行了估计，结果表明，孕穗期、开花期和灌浆期的CYEI比传统的单一农学参数具有更高的精度(R²分别为0.74、0.74和0.68)。利用CYEI和贝叶斯信息准则选择VIs，建立偏最小二乘回归模型进行产量估计。结果表明，在孕穗期、开花期和灌浆期，R²值分别为0.55、0.64和0.66。最后，基于无人机遥感高光谱图像，得到了一种更直观的图像尺度产量监测方法。该方法可用于获取小麦生长信息，为精细农业中更好地估产提供新的预测指标。

综合产量评价指标构建流程图

改进模糊综合评价法中的评估矩阵：F表示评价因子集，Fi表示单因素评价因子。

利用地面高光谱数据估算各农学参数和CYEI：(a), (d), (g), (j), 和(m) 代表孕穗期 (b), (e), (h), (k), 和(n) 代表开花期 (c), (f), (i), (l), 和(o) 代表灌浆期。

利用BIC和CYEI估产：(a)孕穗期 (b) 开花期 (c)灌浆期。

利用无人机数据和CYEI估产：N和V分别表示施肥和品种处理

团队介绍：

论文第一作者为武汉大学测绘遥感信息工程国家重点实验室博士研究生许晓斌，论文通讯作者为金秀良博士和李振海博士。该研究得到国家重点研发计划项目(2016YFD0300605, 2016YFD0300110, 2016YFD0300101)、国家自然科学基金项目( 41701375)、中国农业科学院作物科学研究所青年人才计划(S2019YC04)资助。

中国农业科学院作物科学研究所作物表型创新研究组研究方向为定量遥感在农业监测中的应用、光学传感器的应用和开发、作物表型平台的研究与应用、作物模型和多源遥感的数据同化、多源图像数据的处理、表型组与基因组关联分析与关键功能基因挖掘。

来源：

Xiaobin Xu, Chenwei Nie, Xiuliang Jin*, Zhenhai Li*, Hongchun Zhu, Haigang Xu, Jianwen Wang, Yu Zhao, Haikuan Feng,(2021)A comprehensive yield evaluation indicator based on an improved fuzzy comprehensive evaluation method and hyperspectral data, Field Crops Research, 270, 108204, 0378-4290,DOI: https://doi.org/10.1016/j.fcr.2021.108204