基于BSO-SVR的香蕉遥感时序估产模型研究

作者：张海洋; 张瑶^*; 李民赞; 李修华; 王俊; 田泽众

来源：农业机械学报, 2021, 52(S1): 98-107.

• 香蕉
• 遥感
• 估产
• 时间序列
• 头脑风暴优化算法
• 支持向量回归算法

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测与分析。融合阈值分割和形态学开操作方法,滤除香蕉关键生育期内遥感影像的厚云和云阴影区域;引入头脑风暴优化算法(Brain storming optimization algorithm, BSO)自动搜寻支持向量回归算法(Support vector regression, SVR)的最优惩罚因子和核函数参数,解决SVR模型的参数优化不足导致模型预测精度低的问题;搭建基于BSO-SVR的时间序列遥感估产模型,深入挖掘多时相遥感信息,以提升香蕉估产准确度。结果表明,相较于网格搜索算法(Grid search, GS)和灰狼优化算法(Grey wolf optimizer, GWO)搜寻SVR模型的最优参数,本文提出的头脑风暴优化算法具有更高的预测精度和更快的预测速度,在2019年和2020年BSO-SVR模型测试集的决定系数(Coefficient of determination,R~2)分别为0.777和0.793,验证集R~2分别为0.765和0.636,运行时间分别为0.320、0.331 s;与传统的岭回归模型(Ridge regression, RR)和偏最小二乘回归模型(Partial least squares regression, PLSR)相比,BSO-SVR模型的预测性能最佳,其次是RR模型,PLSR模型表现最差。本文提出的时序估产模型实现了香蕉田块产量的精准预估。

• 单位
  中国农业大学; 河南科技大学; 广西大学