生物量是反映作物苗情的重要群体指标之一，与作物籽粒产量紧密相关，是形成作物产量的物质基础。作物生物量管理是农业生态系统种作物育种和作物管理的最重要环节之一，也是影响作物的产量和收益的关键因素之一。因此，如何远程、准确、大面积地获取作物生物量信息一直是众多学者研究的焦点。

小麦是我国主要粮食之一，为了快速、无损地估计小麦生物量，我院郭文善教授团队提出一种基于HJ-CCD光谱数据与随机森林（RF）回归相结合的方法构建小麦生物量估算模型，并使用独立于建模数据集的测试数据集验证了模型的估计精度。结果表明，RF模型比支持向量回归（SVR）模型和BP神经网络（BPNN）模型的估计精度高。本研究为提高大田尺度下的中国南方小麦生物量遥感估测精度提供了技术和方法，更为作物无损监测及建立高精度模型提供了理论基础和技术支撑。

本研究内容发表于中科院一区杂志《Crop Journal》，我院王丽爱博士为论文第一作者，郭文善教授为通讯作者，该论文已累计被引用129次，近日入选“农艺学全球Top100高质量论文”。