■ 张曼睿

　　如何提升粮食产量监测的精准性与时效性？国家统计局常州调查队通过多光谱无人机与气象数据的融合应用，建立了粮食单产预估模型，为粮食生产决策提供有力支持。

　　筛选敏感植被指数

　　为建立分生育期模型，常州队采用具备稳定飞行性能的多旋翼无人机作为影像获取平台，其具有高精度GPS定位系统和稳定的飞行控制系统，搭载的多光谱相机能够捕捉红光、绿光、蓝光、近红外和红边五个波段的数据，在多个关键物候期对试点区域水稻、小麦田块进行实地飞行。

　　影像获取后，对每个影像数据进行日期、样本地块编号标注，使用Pix4D mapper影像处理软件拼接。拼接过程中，利用高重叠率和GCPs确保拼接精度，最终分别生成5个波段完整正射影像图。最后，通过ENVI软件提取NDVI、GNDVI、EVI等植被指数，筛选与单产密切相关的敏感植被指数组合，利用多元线性回归方法初步构建植被指数产量模型。

　　引入气象因子修正

　　考虑到无人机成像时间节点至收获期的气象因素年际间存在波动性，加之灌浆期至收获期植被指数变动幅度与作物产量之间关系并不稳定，不同品种的灌浆特性和脱水特性存在较大差异，因此对于作物生长后期，使用无人机多光谱影像不足以反映作物产量水平。

　　常州队将气象因素波动的影响纳入模型参数修正中，根据常州多年气象数据和试点区域单产数据，采用机器学习算法筛选出对粮食产量影响较大的生长后期气象因子，计算敏感气象因子累计值及年际变化率，作为遥感估产修正系数。根据无人机估产结果和气象修正系数，预测最终的作物单产水平。

　　经验复盘优化模型

　　常州队联合北京农林科学院专家复盘上年度水稻估产工作开展情况，针对植被指数敏感性差异、气象数据时空匹配等问题，进一步明确今年小麦、水稻作物生长季节工作推进方案及模型改进方向，提升模型解释力。

　　目前，常州队已对试点区域开展3次多光谱无人机飞行，正在进一步开展数据分析工作。