在古老的传说中，人们常常幻想拥有预知未来的能力，尤其是对于粮食收成这种关乎生存的大事。如今，随着科技的飞速发展，我们真的拥有了这样的“预言家”——遥感技术+作物生长模型，它们就像一对神奇的搭档，一个在天空中俯瞰大地，一个在电脑里精准计算，共同为我们揭开作物产量的神秘面纱。

一、遥感：天空中的“千里眼”

遥感，听起来像是一个高大上的科技名词，其实它的原理并不复杂。想象一下，你站在山顶上，用望远镜眺望远方的田野，看到田野里庄稼的颜色、长势等信息，这就是一种简单的“遥感”。只不过，现代的遥感技术更加先进，它利用卫星、无人机等平台，搭载各种传感器，从地面、低空、高空等不同高度获取地球表面的信息（图1）。这些传感器就像是超级敏锐的眼睛，能够捕捉到肉眼看不见的电磁波信号，这些电磁波信息被传输回地面后，经过处理和分析，就能够得到地表上的各种信息，比如植被的植被指数、土壤的湿度、地形的起伏等，为我们提供宝贵的农业数据。

图1 不同尺度遥感观测平台（图片来源： 国家信息农业工程技术中心）

遥感技术预测作物产量，就好比给农作物做一次“空中体检”，是一种高效又科学的方法。卫星或无人机上的传感器能捕捉农作物的光谱、纹理等信息，这些信息藏着农作物的“健康密码”。科学家们会用这些“健康密码”和农作物的产量或者产量构成要素建立数学关系，就像找到它们之间的“秘密公式”，从而估算出产量。还有一种方法是，先用这些“健康密码”算出农作物地上部分的干物质量，因为干物质量和产量之间也有一定的关系，所以也能通过这个来估算产量。

二、模型：电脑里的“智慧脑”

模型听起来可能有点抽象，但其实它就像一个虚拟的“实验室”。在这个“实验室”里，我们可以通过输入各种影响作物生长的条件，模拟出作物的生长过程。这些条件包括天气、土壤、作物品种、施肥量等，模型会根据这些输入条件，按照一定的科学规律进行计算，最后给出作物的产量预测（图2）。模型的原理是基于作物生长的生理生态过程。科学家们通过长期的试验和研究，总结出了作物生长的各种规律，并将这些规律用数学公式表达出来。这些公式就像是模型的“骨架”，支撑起整个模型的运行。当我们输入不同条件时，模型就会按照这些公式进行计算，就像一个超级聪明的“大脑”，能够预测出在这些条件下作物会长成什么样，最终产量会是多少。

图2 作物生长模型模拟示意图

模型预测作物产量的过程就像是一场精彩的“模拟秀”。首先，我们需要收集大量的数据，包括气象数据、土壤数据、田间管理数据等等。这些数据就像是模型的食材，只有食材新鲜、丰富，模型才能做出准确预测。然后，我们将这些数据输入到模型中，模型就会根据预设的公式和算法，开始模拟作物的生长过程。它会考虑天气变化对作物生长的影响，比如温度、降水、光照等；它还会考虑土壤肥力对作物生长的支持，比如土壤中的氮、磷、钾等养分含量；它还会考虑田间管理措施对作物生长的干预，比如施肥、灌溉、除草等。最后，模型会根据这些综合因素，计算出作物在每个生长阶段的状态，包括叶面积、生物量、籽粒数量等。最终，模型会给出一个产量预测值，就像一个经验丰富的老农，根据各种条件判断出今年的收成会如何。

三、遥感与模型的“梦幻组合”

遥感和模型虽然各自都很厉害，但它们都有自己的局限性。遥感虽然能够获取大范围的信息，但它只能看到表面现象，无法深入了解作物生长的内在机理。而模型虽然能够模拟作物生长的过程，但它需要准确的输入数据，否则就会出现“垃圾进，垃圾出”的情况，尤其模型从单点研究发展到区域应用时，优质的高空间分辨率模型输入参数就更难获得。

将遥感和模型耦合起来，就像是让遥感的“千里眼”和模型的“智慧脑”协同工作（图3）。遥感可以为模型提供实时、准确的大面积观测数据，比如作物的光谱信息、土壤湿度等，模型则可以根据这些数据，调整自己的模拟过程，让预测更加精准。这种耦合就像是给作物产量预测装上了一对“翅膀”，让它能够飞得更高、看得更远。

耦合的过程听起来有点复杂，但其实就像是在两个不同世界之间搭建一座桥梁。首先，我们需要将遥感数据和模型数据进行“翻译”，让它们能够相互理解。这就需要一些专业的数据处理和转换技术，将遥感图像中的光谱信息转换成模型能够识别的参数，比如叶面积指数、生物量等。然后，我们需要选择合适的耦合方法。目前最常用的方法是顺序同化策略。顺序同化就像是一个“调解员”，它会比较遥感观测到的数据和模型模拟的数据，找出它们之间的差异。然后，它会根据一定的规则，调整模型的参数或者状态变量，让模型的模拟结果更加接近实际观测值。这个过程就像是在不断地“校准”模型，让它能够更好地反映作物的实际生长情况。

图3 遥感和模型耦合方式（驱动策略（左）、初始化策略（中）、顺序同化策略（右））

遥感技术和作物生长模型结合起来，不仅能利用遥感的实时性和空间连续性，还能发挥生长模型的时间连续性、机理性，从而更科学、更准确地预测农作物的空间生产力（图4），就好比让“千里眼”和模型专家的“智慧脑”合作，这种结合的方法比单独使用遥感或模型要可靠得多，应用前景非常好。

图4 基于遥感和模型耦合模拟的研究区域小麦拔节期叶面积指数（左）和叶片氮积累量（中）及成熟期籽粒产量（右）空间分布图