近日，中国农业科学院西部农业研究中心杨作仁研究员团队在棉花精准农业领域取得突破性进展。研究团队利用高通量遥感与机器学习技术，成功构建了一种高精度棉花产量预测模型，该模型通过动态融合多时相叶绿素含量数据，首次实现了对419份不同遗传背景棉花材料的表型高通量监测与产量预测。该研究成果以“Chlorophyll dynamic fusion based on high-throughput remote sensing and machine learning algorithms for cotton yield prediction”为题发表于农林科学类国际知名期刊《Field Crops Research》（中科院1区Top，IF=6.4），为棉花表型组学研究提供了新的技术范式。

棉花作为全球重要的经济作物，其产量精准预测是保障产业链安全的核心环节。传统产量预测模型常常依赖单阶段或单一传感器数据，难以全面反映作物生理动态和遗传多样性，缺乏对作物生理过程的动态解析，导致模型在复杂遗传背景下的预测精度不足。大田高通量表型组学可无损、高通量、多时序获取大规模尺度的表型信息，对打破作物改良研究的瓶颈具有关键作用。

本研究以无人机平台为基础，融合多光谱与RGB影像，结合分层特征筛选与机器学习算法，实现了叶绿素含量多时期动态高精度预测，进一步开发了产量预测模型，其预测准确性显著优于单生育期模型。研究还利用聚类算法，成功识别出具有高产潜力的棉花种质材料，证明了叶绿素动态变化在区分棉花产量差异方面的有效性。该研究结果表明多时序数据融合能够显著提高产量预测准确性，为棉花种质资源评价提供了科学支撑，也为大田复杂环境下作物育种提供了新的技术手段和分析思路。

西部农业研究中心杨作仁研究员、范李强助理研究员、新疆大学智慧农学院艾先涛教授为该论文通讯作者。西部农业研究中心杨佳洁研究实习员和许博玮研究实习员为该论文第一作者，赵如梦科研助理等参与了研究工作。该研究得到了国家重点研发项目、国家自然科学基金、自治区自然科学基金、新疆作物基因编辑与种质创新重点实验室等资助。

原文链接：https://doi.org/10.1016/j.fcr.2025.110057