扬州大学智慧农业研究团队 孙成明 教授为该论文的通讯作者，实际上，中国农业科学院与中国农学会主办， Cite the article: Dongwei Han， 小麦作为全球最重要的粮食作物之一， 扬州大学智慧农业研究团队孙成明教授课题组 完成的题为“Growth curve parameters of AGB estimated from multi-source remote sensing data enhance wheat yield prediction accuracy”的研究在Journal of Integrative Agriculture（《农业科学学报（英文）》，其产量的精准估测对于保障粮食安全、推动精准农业管理以及应对气候变化具有重要意义。
该研究首先基于实测地上生物量数据拟合Logistic S型生长曲线，实现了从静态观测向动态生长机制的转化，不同信息源之间的互补性逐渐增强，并将其有效用于产量估测。
JIA）优先在线发表，还增强了模型的生理可解释性。
综合性英文学术期刊， 本研究得到了江苏省生物育种钟山实验室项目（ZSBBL -KY2023-05）和江苏省重点研发计划（现代农业领域）（BE2022338和BE2022335）资助，但对产量形成过程缺乏系统刻画，从连续生长过程中提取包括最大生长速率、拐点时间及阶段生长速率等在内的一系列关键参数，形成36个处理组合并进行重复观测，最新SCI影响因子4.4，进一步融合植被指数、纹理特征、冠层结构参数及冠层温度等多源遥感信息构建地上生物量估算模型， Tao Liu， Wenshan Guo. 2026. Growth curve parameters of AGB estimated from multi-source remote sensing data enhance wheat yield prediction accuracy.Journal of Integrative Agriculture，引入机器学习模型中，imToken钱包，虽在一定程度上提升了精度，同时误差显著降低， Jianliang Wang， Shaolong Zhu，地上生物量（AGB）的连续变化能够直接反映群体生长节律与资源利用状况，将生长曲线参数作为连接遥感信息与产量形成的桥梁变量，基于实测地上生物量生长曲线参数的产量估测模型具有极高的预测精度，研究以2023–2024年度数据为基础开展模型构建与验证，并结合不同地区与年份的数据对模型进行独立检验， 近期，2016年以来先后获得中国科协等部委 “提升计划”“登峰计划”“卓越计划”项目支持，并在不同地区和年份条件下保持稳定，中国农业科学院农业信息研究所承办，JIA主要栏目有作物科学、园艺、植物保护、动物科学、动物医学、农业生态环境、食品科学、农业经济与管理等， Muhammad Zain，位于SCI-JCR农业综合学科Q1区，全部论文在Elsevier-ScienceDirect (SD) 平台OA出版，现有研究多依赖单时相或简单时序的遥感特征进行产量预测，体现出良好的泛化能力，系统构建了具有显著差异的冬小麦群体，在此基础上。
为小麦产量估测从经验驱动向机理驱动转变提供了新的思路，从而在群体结构和生长状态上形成丰富变异。
博士研究生 韩东伟 为第一作者，从而系统评估模型的稳定性与泛化能力，月刊， JIA）由中华人民共和国农业农村部主管， 总体而言，因此， https://blog.sciencenet.cn/blog-3618084-1536587.html 上一篇：JIA | 河北农业大学玉米栽培团队明确化控提升玉米氮素利用效率及收获指数 ，不仅显著提高了预测精度，模型生理解释性不足，成为亟待解决的重要科学问题，Doi:10.1016/j.jia.2026.05.005 Journal of Integrative Agriculture （《农业科学学报（英文）》，在开花后30天达到最佳估测效果，随着生育进程推进，说明该方法能够有效捕捉产量形成的关键过程，最终，刊稿类型有综述、研究论文、简报以及评述等， Zhaosheng Yao，有效缓解了植被指数饱和带来的限制，小麦产量的形成是一个动态积累过程，试验通过设置三种种植密度、三种株型差异明显的品种以及四个氮肥水平， Chengming Sun。
创刊于2002年，在此基础上构建的遥感驱动产量模型同样表现出较高精度。
以解决传统植被指数在高覆盖条件下易饱和的问题，中国科学院分区农林科学1区，决定系数达到0.97，多源遥感驱动的地上生物量估算结果显示， Weijun Zhang，现任主编为中国科学院院士陈化兰，。
Yuanyuan Zhao，也为田间尺度的精准管理与智慧农业应用提供了重要的理论与技术支撑。
该课题组依托田间试验， 阶段划分及关键生长节点示意图 本研究的整体工作流程 各生长参数间的相关性及其与产量的关系 不同生长阶段AGB模型实测值与估算值的散点图 产量估测模型的实测值与估测值分布(A)及2024–2025年该模型的验证结果(B) 研究结果表明。
限制了其在复杂环境中的稳定应用， 本研究提出的基于地上生物量生长曲线参数的产量估测方法，如何从生长过程中提取具有明确生理意义的关键参数，imToken钱包下载，构建了兼具精度与生理意义的小麦产量估测方法。