實(shí)時(shí)監(jiān)測(cè)土壤含水量對(duì)田地管理方法、生產(chǎn)量估算及糧食生產(chǎn)安全等有著關(guān)鍵實(shí)際意義。3月9日，北京市農(nóng)牧業(yè)信息科技研究所陳立平研究員、楊貴軍研究員、李振海博士等精英團(tuán)隊(duì)的科研成果在國(guó)際期刊Remote Sensing of Environment（IF=10.164）線上發(fā)布了題寫(xiě)“ Comparison forbid transferability of thermal, temporal forbid phenological-based in-season predictions of above-ground biomass in wheat crops forbid proximal crop reflectance data”的文章內(nèi)容。

　　該成效對(duì)于農(nóng)作物生產(chǎn)量特性有關(guān)的地面上部土壤含水量這一關(guān)鍵農(nóng)學(xué)專業(yè)主要參數(shù)，運(yùn)用觀察搜集的黃淮海冬麥主產(chǎn)地近10年田里精準(zhǔn)定位觀察測(cè)試數(shù)據(jù)，根據(jù)數(shù)據(jù)分析多種多樣表現(xiàn)農(nóng)作物物候有關(guān)的參數(shù)，并將其與遙感信息一同創(chuàng)建了具備農(nóng)學(xué)專業(yè)原理的逆變技術(shù)實(shí)體模型，搭建了合適全生孕階段的冬麥土壤含水量估算實(shí)體模型（CBA-Wheat模型），不錯(cuò)解決了一直以來(lái)困惑農(nóng)牧業(yè)定量分析遙感技術(shù)中有生長(zhǎng)期農(nóng)作物主要參數(shù)逆變技術(shù)實(shí)體模型難統(tǒng)一的難點(diǎn)。對(duì)比現(xiàn)階段大力開(kāi)展的根據(jù)人工神經(jīng)網(wǎng)絡(luò)及深度神經(jīng)網(wǎng)絡(luò)的農(nóng)作物主要參數(shù)鑒別方法，畢業(yè)論文成效具備顯著的普適性、簡(jiǎn)單、高效率高精密等特性，為自主創(chuàng)新創(chuàng)建天上地農(nóng)情主要參數(shù)遙感技術(shù)檢測(cè)統(tǒng)一實(shí)體模型給予了新的方式。