【研究背景】在气候变化背景下，干旱事件的频发与不确定性显著增加，已成为制约粮食生产稳定性的关键因素。干旱胁迫在作物生长过程中呈现累积与阶段性放大效应，但现有抗旱评估多依赖终产量或单一指标，难以刻画干旱影响的动态过程，限制了气候风险的早期识别与农业减灾决策。因此，构建面向气候风险的作物生长过程表征与产量稳定性评估方法，对于提升气候服务能力与保障粮食安全具有重要意义。【材料与方法】本研究以黄淮海冬小麦为对象，在灌溉与节水条件下，对535份材料（262个重组自交系与273个自然群体）开展田间试验。基于无人机多时相高光谱数据，构建覆盖关键生育阶段的作物生长动态数据集，并结合深度学习方法建立生长状态与最终产量之间的定量关系，实现产量的早期预测。在此基础上，融合干旱指数（DI）、几何平均生产力（GMP）与胁迫敏感指数（SSI），构建多指标综合评价体系，用于刻画不同材料在气候胁迫下的响应差异。【结果与分析】多阶段生长信息能够有效捕捉干旱胁迫在关键生育时期的累积效应，显著提升产量预测的稳定性与鲁棒性。基于综合评价体系，从535份材料中筛选出54个高抗旱品种，其平均产量为11.35 t/ha，较非抗旱材料提高16.9%（p<0.0001）。这些品种在水分受限条件下保持较高产量，同时在正常条件下仍具有较强生产能力，体现出良好的产量稳定性与适应性。结果表明，干旱主要通过关键生育阶段的生长调控影响产量形成，而多阶段信息融合能够有效识别这一过程差异。【结论】本研究构建了一个面向气候风险的作物产量预测与抗旱评估方法体系，实现了从生长状态监测到抗旱品种筛选的有效衔接。该方法可为抗旱品种选育、区域种植结构优化及农业减灾决策提供科学支撑，对提升气候服务能力与保障粮食生产稳定性具有重要意义。
 

气候风险；产量稳定性；抗旱品种筛选；农业减灾；产量预测