基于LSTM的冬小麦估产适应性评价  

作　　者：郭凯 叶勇 杨智勇 房旭 

机构地区：[1]哈尔滨市江北城市建设规划设计院有限公司,黑龙江哈尔滨150000 [2]浙江省工程物探勘察设计院有限公司,浙江杭州310000 [3]武汉大势智慧科技有限公司,湖北武汉430000 [4]河南省遥感院,河南郑州450003

出　　处：《资源导刊》2025年第2期39-43,共5页Resources Guide

摘　　要：农作物的大面积估产对于国家的粮食安全与政策制定具有重要意义。以河南省为研究区,融合Sentinel-1、Sentinel-2主被动遥感数据,计算归一化植被指数(NDVI)、增强植被指数(EVI)、地表水分指数(LSWI)、绿度植被指数(GVI),利用深度学习方法(LSTM模型)对2023年冬小麦产量进行估测,并与单植被指数、多植被指数组合产量预测回归模型进行精度对比。结果表明:融合后的Sentinel-1、Sentinel-2主被动遥感数据,能长时间序列观测冬小麦分布范围,利用不同多植被指数反映了冬小麦生长的变化特征,可进一步提高冬小麦产量估测精度;植被指数与实测产量回归模型、多个植被指数与产量的相关性随着冬小麦的生长不断增强,植被指数与产量的线性回归决定系数也达到最大;通过确定多植被指数的权重,构建基于长短期记忆网络(LSTM)的冬小麦估产模型,模型均方根误差为96.25斤/亩,R为0.904,估产精度高于其他回归模型,可用于实现大范围面积的冬小麦产量预估。

关 键 词：冬小麦 农作物估产 植被指数 长短期记忆网络 

分 类 号：S51[农业科学—作物学]