水稻是全球一半以上人口的主粮，是保障粮食安全的“压舱石”。随着极端气候事件增多、高温热害频发、资源约束趋紧等诸多产业困境日益凸显，加之消费者对“好吃又营养”稻米的需求日益增长，水稻生产正面临前所未有的挑战。为应对这些挑战，科学家们通过持续驯化与选育，把耐高温、耐盐碱、抗病、抗倒伏和优良食味等基因“装”进新品种，如同为水稻植入了更强大的“遗传芯片”。然而，芯片造好后，还需先在育种小区（图1）中经历一场严苛的“选秀”，数千份材料同台比拼产量、品质和抗性，优胜者才能进入大田示范。其中，产量估测作为决定“去留”的关键环节，长期依赖传统人工方法，效率低、主观性强，已成为制约育种效率提升的关键瓶颈。

图1 水稻育种小区

一、水稻育种材料的产量估测方法

一是理论考种法。理论考种法通过选取代表性样点，统计单位面积水稻的穗数、每穗粒数，并测量千粒重，最终利用公式计算出理论产量。作为水稻估产的精度基准，该方法存在传统人工方法的普遍短板，取样过程易受主观判断影响，可能出现回避长势较差区域，导致结果系统性偏高的现象；投入大量人力，成本高、效率低；此外，该方法属于破坏性取样，无法对同一样本进行持续观测与验证。

二是模型模拟法。水稻生长模型是科学家对作物生理生态过程多年研究的结晶，他们将总结出的生长规律“翻译”为数学方程。只需输入品种特性、气象条件、土壤参数及管理措施，模型便能逐日“推演”水稻的生长发育并预测最终产量。然而，模型的优势也伴随着局限——若输入数据质量不高，模型便陷入“垃圾进、垃圾出”的困境。水稻育种小区品种高度异质，仅品种参数就极为复杂，加之模型运行对专业知识要求较高，这些都限制了其大规模推广应用。

三是遥感估测法。遥感估测法主要利用地面、无人机、卫星遥感平台获取水稻冠层的光谱、纹理、点云等数据，结合产量估测模型，实现产量估测。各平台在应用尺度上有所不同：地面遥感平台适用于田块尺度的水稻估产；无人机遥感平台适用于园区尺度的水稻估产；卫星遥感平台可进行大范围水稻估产。典型的卫星遥感估产流程包括遥感影像采集、数据预处理、特征提取与模型反演，可在数天内生成县、市乃至省级产量分布图，提供传统田间调查难以实现的宏观视野。然而，传统卫星遥感存在空间分辨率低、易受云雨干扰、重访周期长、数据解译误差大等局限，难以捕捉小尺度农田的细微变化，导致估产精度受限。随着无人机技术的普及，遥感进入“百米低空、厘米级分辨率、小时级重访”的新阶段，为育种小区等精细尺度的精准估产开辟了新路径。

二、无人机+AI算法：水稻育种材料估产的“黄金搭档”

无人机（图2）凭借其灵活、易操作和可搭载真彩色相机、多光谱、高光谱、热红外、激光雷达等多种传感器（图3）的优势，能够高效获取作物的光谱反射特征、冠层纹理结构、冠层温度和三维点云数据，实现厘米级分辨率的高频采集，迅速成为农业科学家和新型农民巡田的“新宠”。

图2 常用于作物估产的无人机

图3 常用于作物估产的传感器（a.真彩色相机；b.多光谱相机；c.高光谱相机；d.激光雷达）

随着遥感数据来源从单一光谱扩展至多源信息，遥感估产方法也从早期的简单线性回归，发展到随机森林、卷积神经网络等机器学习与深度学习模型。传统线性回归虽结构简单，但适应性差，换一个品种就可能失效。而机器学习和深度学习等AI算法具备自动提取特征的能力，让数据“自己说话”，因此在品种多样、样本有限的育种小区中展现出显著优势。

具体操作中，首先利用无人机在水稻关键生育期采集高分辨率多源遥感数据；原始影像经辐射校正、拼接与去噪等预处理后，生成带地理坐标的“数据立方体”，随即进入特征提取与模型解析阶段。机器学习或深度学习等AI算法自动扫描海量图像，精准捕获与生物量、穗数、叶面积指数等产量构成因子高度相关的特征。这些数字化特征被导入已基于历史产量训练好的AI预测模型中，其非线性AI算法如同高效“数字大脑”，在收割前数周即可破译生长特征与产量的隐藏关系，为每个育种小区定量输出“产量估测报告”（图4），显著加快优种选育进程。

图4 MobileNetV3模型在江苏淮安育种小区移栽后102天的产量估测结果（a.实测值；b.估测值）

尽管模型训练初期仍需要一定规模的实测数据作为基础，但其样本需求量较传统人工测产方法已大幅降低，实现的却是效率的质的飞跃——这意味着，以镰刀和计算器为代表的传统测产方式，正逐步退出历史舞台。

三、展望：水稻育种决策的智能未来

无人机与AI算法的深度融合，正悄然推动一场水稻育种的智能化革命。育种工作不再仅仅依赖最终收割称重来评定优劣，遥感技术也不再局限于拍摄田间图像，AI也走出实验室，在田野中水稻生产过程中无损施展“神算”能力——将几十天甚至上百天的生长过程压缩为几分钟的估测，极大提升了育种家的决策效率。展望未来，随着传感器进一步微型化、低成本化，以及AI算法不断优化和开源，无人机遥感估产技术将更广泛地应用于各级育种单位。也许不久之后，当无人机再次掠过稻田，它不仅能拍摄金色稻浪的壮美画面，还能实时发出提示：“左侧第三小区，预估亩产900千克，抗倒伏指数优，建议留种！”——“选种、体检、加速”全流程实现一体化、智能化，科学家们能够更加精准、高效地挖掘水稻遗传潜力，优化品种选育与栽培管理策略，持续提升粮食生产能力，把中国人的饭碗牢牢端在自己手中。

作者：郭彩丽（南京农业大学实验师）

科学审核：曾文治（河海大学教授）

统筹：陆美斌

监制：徐琴

参考文献：

[1] 车怡帆, 王克剑, 饶玉春, 黄勇. 水稻育种前沿技术及种质创新. 科技导报, 2025, 43(10): 31-43.

[2] 吉文翰, 郑恒彪, 王迪, 唐伟杰, 郭彩丽, 姚霞, 江冲亚, 朱艳, 曹卫星, 程涛. 基于无人机影像和卷积神经网络的水稻育种材料产量预测研究. 南京农业大学学报, 2024, https://link.cnki.net/urlid/32.1148.S.20240616.0000.002.

[3] 郑恒彪, 吉文翰, 郭彩丽, 张小虎, 邱小雷, 姚霞, 江冲亚, 朱艳, 曹卫星, 程涛. 无人机遥感作物估产研究进展. 南京农业大学学报, 2025, 48(1): 1-13.

[4] 吉文翰. 基于无人机影像与深度学习的水稻产量预测技术研究及系统开发. 南京：南京农业大学, 2024.

[5] 冯向前, 王爱冬, 洪卫源, 李子秋, 覃金华, 詹丽钏, 陈里鹏, 张运波, 王丹英, 陈松. 基于低空无人机遥感的水稻产量估测方法研究进展. 中国水稻科学, 2024, 38(6): 604-616.

作者介绍

郭彩丽，硕士，南京农业大学实验师。主要负责国家信息农业工程技术中心试验示范基地管理，拥有多年农业生产和示范推广工作经验。近年来，主持或参加国家级、部省级、校级项目和课题11项；以第一作者或主要完成人发表论文19篇，其中SCI论文17篇，获授权发明专利3项，登记软件著作权1项；参与出版《农业农村电子商务》教材1本；作为主要完成人获2020—2021年度神农中华农业科技奖优秀创新团队奖。