[1]贠超,郜峰,申为民,等.小麦产量预测方法研究综述[J].江苏农业科学,2026,54(16):102-110.
　Yun Chao,et al.Study on wheat yield prediction methods： a review[J].Jiangsu Agricultural Sciences,2026,54(16):102-110.
点击复制

小麦产量预测方法研究综述()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第54卷
期数:
2026年第16期
页码:
102-110
栏目:
专论与综述
出版日期:
2026-08-20

文章信息/Info

Title:
Study on wheat yield prediction methods： a review
作者:
贠超; 郜峰; 申为民; 侯军红; 谷伟伟
安阳市农业科学院，河南安阳 455000
Author(s):
Yun Chao; et al
关键词:
小麦; 产量预测; 遥感技术; 机器学习; 作物模型
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
小麦作为全球重要的粮食作物，其产量预测对保障粮食安全、优化农业资源配置及制定精准管理措施具有重要意义。近年来，随着遥感技术、机器学习和作物模型的快速发展，小麦产量预测方法取得了显著进展。本文系统综述了当前小麦产量预测的主要方法，包括基于遥感技术的产量预测、机器学习与深度学习算法、作物生长模拟模型、多源数据融合方法以及智能化估产系统。研究表明，无人机多光谱遥感结合机器学习算法能够实现高精度的产量估测，深度学习技术在麦穗检测、表型提取和产量估算方面展现出强大能力，作物模型与数据驱动方法的融合可以有效提升预测稳定性和可解释性，多源数据融合是提高预测精度的关键途径。国内外研究表明，整合气候、卫星遥感与社会经济数据可显著提升预测精度；日光诱导叶绿素荧光等新型遥感指标表现优异。未来研究应进一步加强不同方法的集成创新，开发实用化的智能决策支持系统，提升模型在复杂环境条件和极端气候下的适应性和鲁棒性，为精准农业和智慧农业发展提供技术支撑。
Abstract:
-

参考文献/References:

［1］Yang G X，Li X R，Xiong Y，et al. Annual winter wheat mapping for unveiling spatiotemporal patterns in China with a knowledge-guided approach and multi-source datasets［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2025，225：163-179.
［2］Wang X，Cui C H，Xu M Y，et al. Key technologies improvements promote the economic-environmental sustainability in wheat production of China［J］. Journal of Cleaner Production，2024，443：141230.
［3］Gawdiya S，Kumar D，Ahmed B，et al. Field scale wheat yield prediction using ensemble machine learning techniques［J］. Smart Agricultural Technology，2024，9：100543.
［4］Iqbal N，Shahzad M U，Sherif E M，et al. Analysis of wheat-yield prediction using machine learning models under climate change scenarios［J］. Sustainability，2024，16(16)：6976.
［5］Ruan G J，Li X Y，Yuan F，et al. Improving wheat yield prediction integrating proximal sensing and weather data with machine learning［J］. Computers and Electronics in Agriculture，2022，195：106852.
［6］Hosseinpour S，Pirdashti H，Hosseinpour D，et al. Machine and deep learning-based wheat yield prediction：the critical role of soil moisture and remote sensing data［J］. Modeling Earth Systems and Environment，2025，11(4)：275.
［7］Li M Q，Wang P X，Tansey K，et al. An interpretable wheat yield estimation model using an attention mechanism-based deep learning framework with multiple remotely sensed variables［J］. International Journal of Applied Earth Observation and Geoinformation，2025，140：104579.
［8］Yang S，Li L，Fei S，et al. Wheat yield prediction using machine learning method based on uav remote sensing data［J］. Drones，2024，8(7)：284.
［9］Zhou W M，Liu Y J，Ata-Ul-Karim S T，et al. Integrating climate and satellite remote sensing data for predicting county-level wheat yield in China using machine learning methods［J］. International Journal of Applied Earth Observation and Geoinformation，2022，111：102861.
［10］Fei S P，Xiao S F，Zhu J Y，et al. Dual sampling linear regression ensemble to predict wheat yield across growing seasons with hyperspectral sensing［J］. Computers and Electronics in Agriculture，2024，216：108514.
［11］Liu F L，Su L J，Luo P C，et al. Prediction models of growth characteristics and yield for Chinese winter wheat based on machine learning［J］. Agronomy，2024，14(4)：839.
［12］Ahmad Faraz Ishaq R，Zhou G H，Jing G F，et al. Geospatial robust wheat yield prediction using machine learning and integrated crop growth model and time-series satellite data［J］. Remote Sensing，2025，17(7)：1140.
［13］Li L C，Wang B，Feng P Y，et al. Developing machine learning models with multi-source environmental data to predict wheat yield in China［J］. Computers and Electronics in Agriculture，2022，194：106790.
［14］dos Santos Felipetto H，Mercante E，Viana O，et al. Combining machine learning with UAV derived multispectral aerial images for wheat yield prediction，in southern Brazil［J］. European Journal of Remote Sensing，2025，58(1)：2464663.
［15］Shafiee S，Lied L M，Burud I，et al. Sequential forward selection and support vector regression in comparison to LASSO regression for spring wheat yield prediction based on UAV imagery［J］. Computers and Electronics in Agriculture，2021，183：106036.
［16］万国樑，王银婷，李雷，等. 基于无人机多光谱时序影像的冬小麦产量估测［J］. 核农学报，2026，40(2)：413-422.
［17］赵泽阳，李美玲，徐伟，等. 基于无人机多时相多特征的冬小麦产量预测模型研究［J］. 麦类作物学报，2025，45(8)：1089-1100.
［18］蒋鹏程. 基于无人机多光谱影像的小麦生物量、叶面积指数及产量估测研究［D］. 乌鲁木齐：新疆农业大学，2025：18.
［19］李为龙. 基于机器学习的冬小麦叶面积指数及产量遥感监测方法研究［D］. 扬州：扬州大学，2025：42.
［20］刘欣谊，仲晓春，陈晨，等. 利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测［J］. 麦类作物学报，2020，40(8)：1002-1007.
［21］Cao J，Zhang Z，Luo Y C，et al. Wheat yield predictions at a county and field scale with deep learning，machine learning，and google earth engine［J］. European Journal of Agronomy，2021，123：126204.
［22］Nagy A，Szabó A，Adeniyi O D，et al. Wheat yield forecasting for the Tisza River catchment using landsat 8 NDVI and SAVI time series and reported crop statistics［J］. Agronomy，2021，11(4)：652.
［23］王来刚，郑国清，郭燕，等. 融合多源时空数据的冬小麦产量预测模型研究［J］. 农业机械学报，2022，53(1)：198-204，458.
［24］彭闯. 基于时序遥感的山东省小麦—玉米轮作区面积提取及产量预测研究［D］. 泰安：山东农业大学，2025：47.
［25］王旭，刘波，陈正超，等. 基于多源数据和LSTM模型的县域冬小麦估产［J］. 农业现代化研究，2023，44(6)：1117-1126.
［26］林滢，邵怀勇. 基于随机森林算法的河南省冬小麦产量预测最佳时间窗和影响因子研究［J］. 麦类作物学报，2020，40(7)：874-880.
［27］王鹏新，王静怡，郭丰玮，等. 基于遥感多参数和Stacking集成学习的冬小麦单产估测［J］. 农业机械学报，2025，56(11)：369-377.
［28］樊杰杰，邱春霞，樊意广，等. 基于连续小波变换和机器学习的小麦产量预测［J］. 光谱学与光谱分析，2024，44(10)：2890-2899.
［29］赵佳雯，熊燕玲，罗铮，等. 基于高光谱的小麦产量岭回归估测模型研究［J］. 麦类作物学报，2024，44(10)：1342-1351.
［30］陈洲，江勇. 山东省齐河县冬小麦产量高光谱遥感预测模型研究［J］. 现代测绘，2024，47(增刊1)：17-20.
［31］甘甜，李雷，李红叶，等. 基于多源遥感数据和机器学习算法的冬小麦产量预测研究［J］. 麦类作物学报，2022，42(11)：1419-1428.
［32］Pang A，Chang M W L，Chen Y. Evaluation of random forests (RF) for regional and local-scale wheat yield prediction in southeast Australia［J］. Sensors，2022，22(3)：717.
［33］Han J C，Zhang Z，Cao J，et al. Prediction of winter wheat yield based on multi-source data and machine learning in China［J］. Remote Sensing，2020，12(2)：236.
［34］李利芳. 基于统计模型的河南省小麦产量分析与预测［J］. 农机使用与维修，2025(9)：114-116.
［35］Musa A I I，Tsubo M，Ali-Babiker I E A，et al. Relationship of irrigated wheat yield with temperature in hot environments of Sudan［J］. Theoretical and Applied Climatology，2021，145(3/4)：1113-1125.
［36］曾健铭，李玥，魏霖静，等. 基于随机森林优化的神经网络算法在冬小麦产量预测中的应用研究［J］. 智能计算机与应用，2024，14(2)：166-171.
［37］樊弋鸣，王黎光. 基于机器学习的小麦产量预估模型设计与实现［J］. 山西电子技术，2024(4)：57-59.
［38］赵培钦，刘长斌，郑婕，等. 面向干旱条件下的冬小麦估产HLM模型改进研究［J］. 智慧农业(中英文)，2025，7(2)：106-116.
［39］Cheng E H，Zhang B，Peng D L，et al. Wheat yield estimation using remote sensing data based on machine learning approaches［J］. Frontiers in Plant Science，2022，13：1090970.
［40］Qiao M J，He X H，Cheng X J，et al. Exploiting hierarchical features for crop yield prediction based on 3-D convolutional neural networks and multikernel Gaussian process［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：4476-4489.
［41］Qiao M J，He X H，Cheng X J，et al. Crop yield prediction from multi-spectral，multi-temporal remotely sensed imagery using recurrent 3D convolutional neural networks［J］. International Journal of Applied Earth Observation and Geoinformation，2021，102：102436.
［42］Srivastava A K，Safaei N，Khaki S，et al. Winter wheat yield prediction using convolutional neural networks from environmental and phenological data［J］. Scientific Reports，2022，12(1)：3215.
［43］Tanabe R，Matsui T，Tanaka T S T. Winter wheat yield prediction using convolutional neural networks and UAV-based multispectral imagery［J］. Field Crops Research，2023，291：108786.
［44］黄嘉欣. 基于深度学习的小麦产量性状提取与估产算法研究［D］. 南京：南京信息工程大学，2025：41.
［45］陈书理，张书贵，赵展. 多源异构数据和注意力门控机制的小麦产量预测［J］. 山东农业大学学报(自然科学版)，2024，55(3)：444-452.
［46］鲍烈，王曼韬，刘江川，等. 基于卷积神经网络的小麦产量预估方法［J］. 浙江农业学报，2020，32(12)：2244-2252.
［47］Fei S P，Hassan M A，He Z H，et al. Assessment of ensemble learning to predict wheat grain yield based on UAV-multispectral reflectance［J］. Remote Sensing，2021，13(12)：2338.
［48］Shen Y L，Mercatoris B，Cao Z，et al. Improving wheat yield prediction accuracy using LSTM-RF framework based on UAV thermal infrared and multispectral imagery［J］. Agriculture，2022，12(6)：892.
［49］陈治乾. 育种小麦表型获取与基因型-表型关联分析云平台［D］. 杨凌：西北农林科技大学，2025：47.
［50］郭利进，张家豪. 基于IOWA算子组合灰色神经网络的小麦产量预测［J］. 粮食与油脂，2022，35(10)：26-30.
［51］Li Z H，Taylor J，Yang H，et al. A hierarchical interannual wheat yield and grain protein prediction model using spectral vegetative indices and meteorological data［J］. Field Crops Research，2020，248：107711.
［52］李志洋. 作物模型和机器学习融合的旱地小麦产量预测方法研究［D］. 兰州：甘肃农业大学，2025：15.
［53］李博，张婧婧，雷嘉诚，等. 基于集成学习算法和WOFOST模型的小麦生长模拟分析与产量预测［J］. 湖北农业科学，2024，63(8)：85-91.
［54］胡玥明，孙雨阳，张嘉欣. 基于气象因子的七台河市春小麦生长模型及产量预测［J］. 黑龙江粮食，2024(4)：55-57.
［55］肖玉涛，李正鹏，宋明丹，等. 基于DNDC模型长期复种翻压绿肥对土壤有机碳和小麦产量的模拟［J］. 草业科学，2024，41(2)：332-344.
［56］韩洋. 华北平原冬小麦对长期气候变化与极端气候的响应与适应模式研究［D］. 北京：中国农业科学院，2024：32.
［57］Cao J，Zhang Z，Tao F L，et al. Identifying the contributions of multi-source data for winter wheat yield prediction in China［J］. Remote Sensing，2020，12(5)：750.
［58］Joshi A，Pradhan B，Chakraborty S，et al. Winter wheat yield prediction in the conterminous United States using solar-induced chlorophyll fluorescence data and XGBoost and random forest algorithm［J］. Ecological Informatics，2023，77：102194.
［59］康迪. 基于多源数据融合的小麦产量估测模型优化及关键因子比较［D］. 杨凌：西北农林科技大学，2025：43.
［60］Li G X，Zhou B J，Ni M J，et al. Stages-based multimodal data fusion model(S-MDFM) for wheat yield prediction and screening of drought-resistant and high-yield varieties［J］. Computers and Electronics in Agriculture，2025，239：111122.
［61］张少华，段剑钊，贺利，等. 基于无人机平台多模态数据融合的小麦产量估算研究［J］. 作物学报，2022，48(7)：1746-1760.
［62］Fu Z，Jiang J，Gao Y，et al. Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle［J］. Remote Sensing，2020，12(3)：508.
［63］许鑫，马兆务，熊淑萍，等. 基于气候年型的河南省冬小麦产量预测［J］. 中国农业科技导报，2022，24(2)：136-144.
［64］Huang H，Huang J X，Li X C，et al. A dataset of winter wheat aboveground biomass in China during 2007—2015 based on data assimilation［J］. Scientific Data，2022，9(1)：200.
［65］Wang X，Xiang Y，Guo J，et al. Coupling effect analysis of drip irrigation and mixed slow-release nitrogen fertilizer on yield and physiological characteristics of winter wheat in Guanzhong area［J］. Field Crops Research，2023，302：109103.
［66］刘新侠，杨鑫宇，付春晓，等. 基于无人机多光谱估算冬小麦作物系数［J］. 江苏农业学报，2025，41(6)：1169-1178.
［67］陈佳玮，李庆，谭巧行，等. 结合轻量级麦穗检测模型和离线Android软件开发的田间小麦测产［J］. 农业工程学报，2021，37(19)：156-164.
［68］Pérez-Ruiz M，Prior A，Martinez-Guanter J，et al. Development and evaluation of a self-propelled electric platform for high-throughput field phenotyping in wheat breeding trials［J］. Computers and Electronics in Agriculture，2020，169：105237.
［69］吴舒，穆月英，聂凤英. 中国小麦生产波动成因及产量预测［J］. 农业展望，2020，16(6)：40-47，58.

相似文献/References:

[1]何震天,张容,王建华,等.小麦扬辐麦4号高产表现及配套栽培技术[J].江苏农业科学,2013,41(04):69.
[2]缪建国,于莎,李锦霞,等.小麦扬辐麦4号特征特性及超高产栽培技术[J].江苏农业科学,2013,41(04):75.
[3]孙苏阳,李海军,王永军,等.高产广适多抗小麦主推品种淮麦25的特征特性及 高产栽培技术[J].江苏农业科学,2013,41(04):93.
[4]孙苏阳,李海军,王永军,等.高产小麦新品种淮麦32的选育及栽培技术[J].江苏农业科学,2013,41(05):83.
　Sun Suyang,et al.Breeding and cultivation techniques of a new wheat cultivar “Huaimai No.32”[J].Jiangsu Agricultural Sciences,2013,41(16):83.
[5]刘亚柏.有机水稻—红花草轮作对有机稻产量及土壤肥力的影响[J].江苏农业科学,2014,42(12):72.
　Liu Yabo,et al.Effects of organic rice-clover rotation on yield and soil fertility of organic rice[J].Jiangsu Agricultural Sciences,2014,42(16):72.
[6]杜菲,郑慧,李宏军.以还原糖含量为指标的膨化小麦辅料麦汁糖化工艺优化[J].江苏农业科学,2014,42(11):306.
　Du Fei,et al(0).Optimization of saccharification process of puffed wheat wort taking reducing sugar content as indicator[J].Jiangsu Agricultural Sciences,2014,42(16):306.
[7]徐艳,江建敏,国骏,等.黄瓜褐斑病菌菌丝蛋白对小麦种子萌发、生长及抗旱性的影响[J].江苏农业科学,2014,42(11):159.
　Xu Yan,et al(9).Effects of cucumber brown spot pathogen mycelium protein on seed germination，growth and drought resistance of wheat[J].Jiangsu Agricultural Sciences,2014,42(16):159.
[8]郑光耀,高丽萍,尹有干,等.冷杉针叶三萜酸在小麦生产上的应用[J].江苏农业科学,2014,42(11):98.
　Zheng Guangyao,et al(98).Application of triterpene acids from fir needles in wheat production[J].Jiangsu Agricultural Sciences,2014,42(16):98.
[9]钱宏兵,朱德进,于倩倩.氮素营养水平对中筋小麦扬麦16产量和氮素吸收的影响[J].江苏农业科学,2013,41(06):71.
　Qian Hongbing,et al.Effects of nitrogen nutrition levels on yield and nitrogen uptake of medium gluten wheat cultivar “Yangmai 16”[J].Jiangsu Agricultural Sciences,2013,41(16):71.
[10]吕艳伟,何文慧,陈雨鸥,等.盐胁迫对小麦幼苗光合色素含量和细胞膜的影响[J].江苏农业科学,2013,41(06):74.
　Lü Yanwei,et al.Effects of salt stress on photosynthetic chlorophyll content and cell membrane in wheat[J].Jiangsu Agricultural Sciences,2013,41(16):74.
[11]李晔,白雪.基于新维无偏灰色马尔可夫模型的小麦产量预测[J].江苏农业科学,2021,49(15):181.
　Li Ye,et al.Forecast of wheat yield based on new dimensional unbiased grey Markov model[J].Jiangsu Agricultural Sciences,2021,49(16):181.
[12]贠超,韩勇,陈红旗,等.融合多生育期气象特征的小麦产量深度学习预测方法[J].江苏农业科学,2026,54(13):215.
　Yun Chao,et al.A deep learningbased prediction method for wheat yield integrating meteorological characteristics across multiple growth stages[J].Jiangsu Agricultural Sciences,2026,54(16):215.

备注/Memo

备注/Memo:
收稿日期：2026-02-14
基金项目：国家现代农业(小麦)产业技术体系建设专项(编号：CARS-03-70)；河南省重点研发专项(编号：251111110900)。
作者简介：贠超(1983—)，男，河南安阳人，硕士，助理研究员，主要从事小麦育种与栽培技术研究。E-mail：tieyun7247@163.com。
通信作者：申为民，硕士，研究员，主要从事农作物育种及栽培技术研究。E-mail：shenweimin2011@163.com。
更新日期/Last Update: 2026-08-20