基于WFI/CBERS-4与WPM/CBERS-4A时序数据的机器学习算法在甘蔗产量预测中的创新应用

本文创新性地结合WPM/CBERS-4A和WFI/CBERS-4卫星光谱数据与气象农艺参数，利用随机森林（RF）算法构建甘蔗产量预测模型。研究表明，在甘蔗成熟期采用16天合成WFI数据可实现最佳预测效果（R2=0.63，RMSE=10.3 t·ha-1），为巴西糖能产业提供精准农业（PA）决策支持。

　　

Highlight

本研究通过整合WFI/CBERS-4和WPM/CBERS-4A传感器的光谱时序数据与气象、水分平衡及农艺参数，创新开发了32个甘蔗产量预测模型。结果显示：

Model performance

模型性能随作物生长显著提升，WFI数据在成熟期表现最优（R²从0.31升至0.63，RMSE从14.0降至10.3 t·ha^-1）。关键发现包括：

• •

  新植蔗（PC）第6/7个月、宿根蔗（RC）第3.5/4个月为预测起始临界点

• •

  完整生长周期数据使模型d_mod指数达0.70

• •

  WPM传感器数据预测误差较基准模型降低26.2%

Conclusion

研究证实CBERS星座卫星数据在甘蔗产量预测中的实用价值，为发展中国家农业遥感监测提供技术范本。模型迭代构建方法（通过Python Scikit-learn库实现）可扩展至其他作物，其变量重要性排序功能为农艺实践提供量化指导。