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融合无人机激光雷达与多光谱遥感技术，以植株高度（PH）和叶片叶绿素含量（LCC）为桥梁，构建棉花产量精准预测模型，并首次系统揭示了PH和LCC通过株型结构和生理特征变化影响棉花产量的关键作用，为表型组学研究和精准农业管理提供了理论与技术支撑。研究成果以“UAV-based LiDAR and multispectral sensors fusion for cotton yield estimation: Plant height and leaf chlorophyll content as a bridge linking remote sensing data to yield”为题发表在农林科学类国际知名期刊《工业作物与产品（Industrial Crops & Products）》（中科院1区Top期刊，IF=5.6）上。

作物产量预测是农业遥感研究的核心问题，也是实现数字农业、智慧农业和精准农业的关键环节。棉花作为全球重要的经济作物，其产量精准预测对保障纺织产业链安全、优化农业资源调配至关重要。然而，目前的棉花产量预测模型大多缺乏对作物结构和生理变化的深入研究，难以解析关键特征对产量的贡献机理，从而无法有效指导田间精准管理。

本研究创新性地聚焦与产量紧密相关的两个关键表型性状——植株高度（PH）和叶片叶绿素含量（LCC），利用其能够反映植株株型结构与生理特征的优势，使其作为连接遥感数据与产量之间的桥梁，进而构建了棉花产量预测模型，揭示产量形成的内在机理。研究结果表明，多特征多时相融合的产量预测模型较常规模型准确性得到大幅提升，通过

机器学习模型可解释性算法揭示了花铃期叶绿素含量对产量的关键贡献，

表明了遥感数据反映作物生理特征的重要意义。该研究提出的基于无人机多源遥感数据融合的产量预测模型，具有多维度、多时相、可解释性强等优点，为未来开展棉花表型组学研究、分子育种和精准农业管理提供了重要的理论依据和技术支撑。

西部农业研究中心杨作仁研究员、新疆师范大学赵惠新教授为该论文通讯作者。西部农业研究中心与新疆师范大学联合培养硕士研究生武斌、西部农业研究中心范李强助理研究员和许博玮研究实习员为该论文第一作者。西部农业研究中心杨佳洁研究实习员，赵如梦科研助理等参与了研究工作。该研究得到了自治区重大科技专项、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.indcrop.2025.121110