基于卷积神经网络的中国北方冬小麦遥感估产

Abstract

针对传统的农作物估产方法过度依赖人工经验，以及实地采样成本高等问题。该研究使用MODIS数据构建了基于卷积神经网络（convolutional neural network，CNN）的冬小麦估产模型。对2006－2016年中国北方冬小麦核心区的60个地级市进行模型训练，鲁棒性检验以及估产误差空间特征分析。结果表明：1）估产模型在训练集和验证集的均方根误差（root mean square error, RMSE）分别为183.82 kg/hm2、689.72 kg/hm2，决定系数（R2）分别为0.98、0.71。2）以同样的神经网络结构对2006－2016年估产样本分别作为验证集，训练11个独立模型的RMSE平均值是772.03 kg/hm2，证明算法具有较高的鲁棒性。3）2007、2012和2016年不同省份的估产结果表明，模型对北方冬小麦区的平原区估产精度较高，尤其是河北和山东2省（RMSE为500 kg/hm2）。该文构建的估产模型可以实现冬小麦单产的复杂拟合，可以应用于较大尺度（范围）冬小麦产量预报。