改进层次分析法与冬小麦产量：加权VTCI的关联性

"该文基于改进的层次分析法（Improved Analytic Hierarchy Process，IAHP）分析了条件植被温度指数（Vegetation Temperature Condition Index，VTCI）与冬小麦产量之间的相关性。作者黄弘、王鹏新等人通过遥感数据获取了关中平原冬小麦生长关键时期的VTCI值，利用IAHP确定了不同生育期旱情对产量的影响权重，进而计算出加权VTCI。通过对关中平原五个城市的数据进行线性回归分析，建立了遥感估算产量模型，揭示了干旱与小麦产量的关系和分布规律。研究表明，加权VTCI与小麦单产有良好的线性相关性，且能有效反映旱情，证实了VTCI在监测和估测小麦产量方面的潜力。" 本文是首发论文，探讨了在农业遥感领域的创新应用，特别是针对冬小麦产量评估。层次分析法（Analytic Hierarchy Process，AHP）是一种常用的决策分析工具，通过比较和综合多个因素来解决复杂问题。在此基础上，作者进行了改进，提出了IAHP，用于量化不同生育期干旱对冬小麦产量的影响程度。VTCI是一种遥感指标，它结合了植被覆盖度和温度信息，可以反映作物的水分状况，从而监测干旱。 在研究方法上，作者首先收集了关中平原冬小麦生长周期的VTCI遥感数据，然后运用IAHP确定各生育期旱情的权重。这些权重反映了不同阶段的干旱对产量的影响差异。通过计算加权VTCI，研究人员能够得到一个综合反映整个生育期干旱状况的指标。接着，他们对加权VTCI与冬小麦单产进行了线性回归分析，建立了一个估算产量的模型。 研究结果表明，加权VTCI与冬小麦单产存在显著的线性关系，这说明该方法能够有效地捕捉到旱情与产量间的动态变化。此外，加权VTCI在反映地面旱情方面表现良好，验证了其在干旱监测中的实用价值。最后，根据模型估算的结果与实际产量分布的一致性，进一步证明了利用VTCI进行产量预测的可行性。 这项研究对于理解和预测农业干旱对产量的影响提供了新的途径，有助于提升农业灾害预警和管理的精准性，对农业生产和政策制定具有指导意义。同时，这种方法的应用也拓展了遥感技术在农业领域的应用范围，尤其是在干旱监测和作物产量评估中的应用。