小麦是我国第三大粮食作物，黄淮海麦区作为我国主要的小麦种植区之一，以冬小麦种植为主。该区域的冬小麦生长期间，受季风气候的影响，易遭受干旱胁迫。因此，培育耐旱品种已经成为该区域维持粮食安全的重要措施之一。在以往的育种过程中，作物产量作为冬小麦育种的最终验证参数，只能在作物生长周期结束后的有限时间内进行人工测量，工作量大，耗费人力多、时间长。因此，对于育种研究人员来说，需要一种满足田块尺度要求且能够在短时间内确定耐旱品种的方法，用以减少品种选育工作量与育种周期。
       利用遥感手段，对作为品种选育最终验证参数的作物产量进行估测与分析，可以有效降低育种研究人员的工作强度，提高育种效率。基于卫星数据融合的植被指数时空序列变化曲线已经在作物估产方面取得较高精度，但主要针对大区域尺度，对于农田尺度的小面积田块来说，空间分辨率较粗，导致空间异质性高，估算精度并不理想，不能满足育种工作者的需求。而无人机技术的发展，使得遥感数据的空间分辨率大幅提升，为小田块尺度作物实时信息获取提供了良好契机，已经在包括叶面积指数、地上生物量、产量等作物表型信息反演方面取得显著成果，但目前研究主要基于作物特定生育期内的单一天数无人机数据，而长时高频次的飞行带来的较昂贵的时间与金钱成本使得基于无人机数据建立作物冠层植被指数时序变化曲线面临较大困难。
       基于此，本研究提出了一种将无人机数据与卫星数据进行融合，获取冬小麦全生长期内的冠层信息，估测冬小麦产量的方法，并进行冬小麦抗旱品种筛选。该方法融合冬小麦几个关键生育期的无人机数据与贯穿其整个生育期的卫星数据，获得小田块尺度上冬小麦全生育期内的植被指数长时序变化参考曲线，然后通过深度学习算法，建立产量估测模型，最后根据不同水处理条件下的产量稳定程度，筛选最优冬小麦抗旱品种。该方法综合冬小麦整个生育期的冠层信息，较仅使用某个生育期冠层信息的方法而言，精度更高，从而进一步提高了冬小麦抗旱品种筛选的准确度，满足了育种研究人员需求。
 

无人机；作物参考曲线；产量估算；育种；抗旱品种筛选；冬小麦