近日，中法植物表型國(guó)際聯(lián)合實(shí)驗(yàn)室在遙感領(lǐng)域頂級(jí)期刊《Remote Sensing of Environment》在線(xiàn)發(fā)表了題為“Integrating prior information for improving 3D model-driven GAI estimation with application to wheat crops”的研究論文，提出“融合先驗(yàn)知識(shí)與三維數(shù)字孿生”的新策略，顯著提升了跨生態(tài)點(diǎn)、多品種小麥全生育期監(jiān)測(cè)的精度，為多站點(diǎn)聯(lián)網(wǎng)表型監(jiān)測(cè)提供了核心算法支撐。

開(kāi)展涵蓋多生態(tài)點(diǎn)、多品種的表型網(wǎng)絡(luò)試驗(yàn)，并對(duì)作物生長(zhǎng)發(fā)育過(guò)程進(jìn)行高頻、精準(zhǔn)的遙感監(jiān)測(cè)，是解析“基因-環(huán)境”互作機(jī)理、優(yōu)化栽培管理和加速育種進(jìn)程的關(guān)鍵。其中，綠色面積指數(shù)（GAI）作為表征作物光合作用器官表面積的核心指標(biāo)，直接反映了作物的光合能力和生長(zhǎng)狀態(tài)。然而，由于傳統(tǒng)表型算法對(duì)作物冠層結(jié)構(gòu)差異、葉片生化特征變化以及土壤背景干擾等因素考慮不足，導(dǎo)致其在跨環(huán)境、多品種及全生育期的復(fù)雜應(yīng)用場(chǎng)景下，監(jiān)測(cè)誤差顯著增加，難以滿(mǎn)足大范圍、高精度表型網(wǎng)絡(luò)監(jiān)測(cè)的迫切需求。

針對(duì)上述難題，本研究開(kāi)發(fā)了一套增強(qiáng)模擬和反演框架：一是構(gòu)建“數(shù)字孿生”底座——基于團(tuán)隊(duì)研發(fā)的數(shù)字化植物表型平臺(tái)D3P，構(gòu)建了小麥生長(zhǎng)三維數(shù)字孿生體，實(shí)現(xiàn)了不同品種、土壤背景和光照變化下冠層反射率的精準(zhǔn)模擬。二是融入廣域“先驗(yàn)知識(shí)”——依靠國(guó)際合作網(wǎng)絡(luò)的大量實(shí)測(cè)數(shù)據(jù)，將生物學(xué)規(guī)律提煉為“先驗(yàn)知識(shí)”植入數(shù)字孿生平臺(tái)，極大提升了模型訓(xùn)練數(shù)據(jù)的代表性和真實(shí)度。三是分生育期“特異性建?！薄槍?duì)小麥拔節(jié)前后的顯著形態(tài)差異，分別構(gòu)建了特異性反演模型，并進(jìn)一步集成為全生育期組合模型，顯著增強(qiáng)了模型的針對(duì)性與魯棒性。

驗(yàn)證結(jié)果表明，相比傳統(tǒng)方法，新模型在小麥GAI估算中取得了重要進(jìn)展：預(yù)測(cè)準(zhǔn)確性（R²）從0.82提升至0.93，均方根誤差（RMSE）從0.73大幅降低至0.47。此外，全生育期組合模型在多生態(tài)點(diǎn)、多品種測(cè)試中表現(xiàn)出極高的穩(wěn)定性。

本研究由南京農(nóng)業(yè)大學(xué)前沿交叉研究院、教育部植物表型工程中心、中法植物表型國(guó)際聯(lián)合實(shí)驗(yàn)室及作物遺傳與種質(zhì)創(chuàng)新利用國(guó)家重點(diǎn)實(shí)驗(yàn)室牽頭開(kāi)展。論文第一作者為董明霞博士，通訊作者為劉守陽(yáng)教授。研究得到了南京農(nóng)業(yè)大學(xué)丁艷鋒教授，法國(guó)國(guó)家農(nóng)業(yè)食品與環(huán)境研究院Frédéric Baret研究員與Marie Weiss研究員的重要指導(dǎo)。同時(shí)，法國(guó)作物學(xué)會(huì)Benoit de Solan研究員、日本東京大學(xué)郭威副教授與James Burridge副教授、加拿大自然資源部遙感中心Fernandes Richard研究員、南京農(nóng)業(yè)大學(xué)姚霞教授、中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所李文娟研究員和農(nóng)田灌溉研究所陳震副研究員等合作伙伴，提供了重要數(shù)據(jù)支撐。

原文鏈接：https://doi.org/10.1016/j.rse.2025.115161

數(shù)據(jù)和模型鏈接：https://github.com/PheniX-Lab/3DRTM-PlanetScope-GAI