基于卷积神经网络的中国北方冬小麦遥感估产

• 作者: 周亮 慕号伟 陈高星 马海姣
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 作物 产量 遥感 作物估产 卷积神经网络 深度学习 冬小麦
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 119-128
• 页数: 10页
• 分类号: S127
• 字数: 8350字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.15.016

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周亮	兰州交通大学测绘与地理信息学院	28	246	7.0	15.0
4	马海姣	西北农林科技大学水利与建筑工程学院	3	14	3.0	3.0
11	慕号伟	兰州交通大学测绘与地理信息学院	1	4	1.0	1.0
20	陈高星		1	4	1.0	1.0