科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前粮食产量定量评估模型泛化能力不足、预测时间滞后以及早期估产时间窗口难以确定等问题，以Sentinel-2遥感数据和实测玉米产量作为数据源，开展县域尺度玉米估产及早期最优估产时间窗口确定研究。基于玉米生长期内的时序影像数据集，通过玉米产量实测数据与影像植被指数建立相关关系，并采用MLRM（多元线性回归模型）, GPR（高斯过程回归模型）, LSTM（长短期记忆人工神经网络模型）,建立玉米时序估产模型。实验结果表明，基于LSTM在NDVI、 GNDVI、以及GN（NDVI与GNDVI组合）这三种植被指数作为参数建立的时序估产模型中，无论在估产精度，模型可靠性、产量异常值捕捉、以及早期最优估产时间窗口确定等方面均优于基于GPR、 MLRM建立的时序估产模型。同时基于LSTM时序估产模型，采用截止到抽雄期的NDVI时序影像数据作为参数，其结果的决定系数R2可达0.83、均方根误差RMSE为0.26 t·ha-1、相对分析误差RPD为3.52; GNDVI时序影像数据作为参数，其结果的决定系数R2为0.79、均方根误差RMSE为0.30 t·ha-1、相对分析误差RPD为2.87;以GN时序影像数据作为参数，其结果决定系数R2为0.83、均方根误差RMSE为0.27 t·ha-1、相对分析误差RPD为3.05;以NDVI作为LSTM模型参数的估产效果最优，相较于玉米收获期可提前2个月就能预测当年的玉米产量，对于县域尺度玉米产量预报具有一定的现实意义，同时也为类似作物的估产研究提供相关参考。
- 单位
