基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

作者：孙少杰; 吴门新^*; 庄立伟; 何延波; 李轩

来源：农业工程学报, 2022, 38(11): 151-160.

• 遥感
• 产量
• 预测
• 机器学习
• 冬小麦

冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络(Convolutional Neural Networks,CNN)和反向传播神经网络(Back Propagation Neural Networks,BP)技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)和样本决定系数(Coefficient of Determination,R2)作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014-2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2,RMSE低于346.56 kg/hm2,93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015-2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84kg/hm2,RMSE低于418.14kg/hm2,91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。

• 单位
  国家气象中心