编辑推荐：
为提升甘蔗收获前产量估算精度，研究人员基于随机森林（RF）算法，从哨兵 - 2 影像（含红边1-3、红、近红外（NIR）、短波红外（SWIR）1-2波段等）、农艺及气候数据中筛选关键预测因子。构建的模型 R2达 0.58-0.70，表明收获次数、气候数据和含红边等波段的植被指数是关键。该研究为甘蔗 - 能源部门数据驱动决策提供支撑。
在全球农业生产的大舞台上，甘蔗作为巴西经济的重要支柱，不仅是食糖的主要来源，更是清洁生物能源的关键原料。然而，传统的甘蔗产量估算方法往往依赖单一的地面观测或有限的遥感数据，难以全面捕捉气候、农艺和土壤等多因素的复杂交互作用。比如，仅利用植被指数（如 NDVI、EVI）的经验模型，虽在一定程度上取得了 R2超 0.60 的结果，但忽略了温度、降水、土壤类型等变量的综合影响，导致估算精度受限。如何打破这种局限性，实现更精准的收获前产量预测，成为农业遥感与机器学习领域亟待解决的问题。
为了攻克这一难题，巴西圣保罗州西部某甘蔗磨坊的研究团队（未明确具体机构名称）开展了一项颇具创新性的研究。他们旨在利用随机森林（Random Forest, RF）算法，从哨兵 - 2（Sentinel-2）影像数据、农艺数据和气候数据中筛选最具相关性的预测因子，构建高效的甘蔗产量估算模型。这项研究成果发表在《Computers and Electronics in Agriculture》，为甘蔗产业的科学化管理提供了新的思路。
研究人员采用的关键技术方法主要包括：
- 多源数据整合：收集哨兵 - 2 影像的辐射波段（红边1- 红边3、红、近红外（NIR）、短波红外（SWIR）1-SWIR2）和植被指数（如 NDVIRE1-NDVIRE3、EVI、CIRE1-CIRE3等）、农艺数据（土壤类型、收获次数、品种、坡度）、气候及农业气候数据（温度、降水、辐射、作物水分平衡）。
- 特征选择与模型构建：构建四个数据集，通过 RF 算法的杂质指数和 SHapley Additive exPlanations（SHAP）方法筛选变量，比较不同数据集下模型的性能（R2、RMSE、d-Willmott 指数）。
研究结果
1. 数据集构建与模型性能对比
- 数据集 1：包含全部 154 个变量，模型 R2为 0.77，RMSE 为 8.56 吨?公顷-1。
- 数据集 2：剔除强相关变量后，R2提升至 0.79，RMSE 降至 8.45 吨?公顷-1，d-Willmott 指数保持 0.93。
- 数据集 3：通过 RF 杂质指数筛选变量，表现最佳，R2达 0.80，d-Willmott 指数为 0.83-0.89。
- 数据集 4：基于 SHAP 筛选前 20 个变量，模型性能略低于数据集 3。
2. 关键变量识别
通过特征选择发现，收获次数是影响甘蔗产量的最重要农艺变量；气候数据（温度、降水、辐射等）直接驱动产量波动；植被指数中，包含红边、近红外、红和 SWIR 波段的指标（如 NDVIRE1-3、CIRE1-3）对产量估算贡献显著。
3. 变量选择的优势
特征选择不仅提升了模型精度，还减少了数据收集成本和计算复杂度。例如，数据集 3 通过 RF 筛选变量后，在保持高 R2的同时，简化了模型结构，验证了整合遥感、农艺和气候数据的必要性。
研究结论与意义
本研究通过随机森林算法整合多源数据，成功构建了高精度的甘蔗产量估算模型。结果表明，RF-based 特征选择方法在变量筛选中优于 SHAP 方法，而 SHAP 在变量影响解释性上更具优势。关键变量的识别（如收获次数、气候因子、特定波段植被指数）为甘蔗种植管理提供了明确的指导方向，例如优化收获周期、监测关键生育期气候条件等。
该研究的重要意义在于：
- 方法创新：突破传统单一数据建模局限，证明多源数据融合与机器学习算法结合可显著提升产量估算精度。
- 实践价值：为糖 - 能源部门提供了收获前精准预测工具，助力资源优化配置和可持续农业实践。
- 学科拓展：为其他作物（如玉米、小麦）的产量预测研究提供了方法论参考，推动农业遥感与机器学习的跨学科应用。
总之，这项研究通过数据驱动的科学方法，为解决农业生产中的实际问题提供了可靠方案，有望在全球范围内提升农作物管理的智能化水平。
