多源卫星数据驱动的机器学习方法用于水稻产量预测

《ISPRS International Journal of Geo-Information》：Multisource Satellite Data-Driven Machine Learning Approach for Rice Yield Prediction

　　

村庄尺度的水稻产量估算至关重要，因为村庄是印度许多地区水稻作物的保险单位（Insurance Unit, IU），而及时准确的产量信息能支持农户得到及时透明的赔付，并服务于地方农业规划。为实现这一目标，研究人员采用基于多源卫星数据的机器学习方法，利用光学和SAR数据、气候数据以及陆面模型衍生参数，在印度安得拉邦的卡基纳达（Kakinada）地区估算村庄尺度水稻产量。预测变量数据集包括季节性累积降水量、季节性归一化植被指数（Normalized Difference Vegetation Index, NDVI）最大值、季节性NDVI均值、季节性地表水分指数（Land Surface Water Index, LSWI）最大值、季节性LSWI均值、季节性总吸收光合有效辐射比例（Fraction of Absorbed Photosynthetically Active Radiation, fAPAR）、季节性总根区土壤湿度（Root Zone Soil Moisture, RZSM）以及Sentinel-1 VH极化的季节性总后向散射，用于表征作物绿度、水分状况、光合活性、土壤水分可用性、冠层结构和季节性供水。模型开发与验证使用了2017年至2023年的村庄尺度水稻产量数据，这些数据通过Kharif季成熟期的作物切割实验（Crop Cutting Experiment, CCE）收集。本研究评估了四种机器学习模型：随机森林（Random Forest, RF）、支持向量回归（Support Vector Regression, SVR）、极端梯度提升（Extreme Gradient Boosting, XGBoost）和梯度提升（Gradient Boosting, GB）。2017—2021年的多源卫星数据和产量数据用于训练模型，独立测试于2022年数据，并应用于预测2023年水稻产量。同时，研究人员对2017—2022年数据进行了留一年交叉验证（Leave-One-Year-Out, LOYO），以评估时间稳健性和跨年份的泛化能力。在评估的模型中，随机森林表现出最佳的整体性能。对于独立测试年份2022年，RF的R²为0.465，均方根误差（RMSE）为415.34 kg ha^-1，平均绝对误差（MAE）为322.22 kg ha^-1，平均绝对百分比误差（MAPE）为10.36%。对于预测年份2023年，RF的精度提升，R²为0.838，RMSE为325.75 kg ha^-1，MAE为262.21 kg ha^-1，MAPE为7.68%。此外，LOYO交叉验证也显示了RF的稳健性，其平均R²最高为0.702，平均RMSE最低为384.73 kg ha^-1。结果表明，多源卫星数据结合机器学习可作为预测村庄尺度水稻产量的可靠且可操作的工具，用于农作物保险理赔结算。

## 论文解读文章

### 研究背景与问题

水稻是全球半数以上人口的主粮，尤其在亚洲和非洲部分地区，其产量波动直接影响粮食安全、贫困和采购政策。准确及时的水稻产量预测对粮食安全规划、缓冲库存、作物保险和气候冲击预警至关重要。遥感技术通过多时相、大范围观测植被、土壤水分、蒸散和冠层温度，提供了监测作物生物物理状况的有效手段。然而，现有方法多基于特定地点，缺乏独立年份测试和时间鲁棒性验证，尤其缺少针对村庄尺度的可操作产量估算。在印度，作物保险单位（Insurance Unit, IU）通常以村庄为单位，因此可靠的村庄尺度产量估算是实现客观、透明保险评估的关键。为此，研究人员在安得拉邦卡基纳达地区开展了基于多源卫星数据和机器学习的水稻产量预测研究，旨在识别一个稳健且可操作的模型，以支持作物保险理赔。该论文发表在《ISPRS International Journal of Geo-Information》。

### 主要技术方法（不超过250字）

研究人员使用了多源卫星数据，包括：光学植被指数（NDVI最大值和均值、LSWI最大值和均值）来自MODIS MOD13Q1（250 m分辨率，16天合成），fAPAR来自MODIS MOD15A2H（500 m，8天合成），SAR后向散射（Sentinel-1 VH累积）用于表征冠层结构和水分，根区土壤湿度（RZSM）来自GLDAS-NOAH（约25 km，月尺度），累积降水量来自CHIRPS（约5 km，日尺度）。产量数据来自Kharif季成熟期（11月/12月）的作物切割实验（CCE），覆盖2017—2023年。研究人员将2017—2021年数据用于训练，2022年独立测试，2023年预测，并采用留一年交叉验证（LOYO）评估时间稳健性。四种机器学习模型（RF、SVR、XGBoost、GB）被训练和评估，训练前对2017—2021年数据进行了±3σ异常值剔除。

### 研究结果

#### 3.1 异常值检测与剔除
研究人员对村庄尺度历史产量数据进行了逐年σ分析，以识别极端观测值。结果显示，大多数村庄产量分布在年平均值±1σ范围内，少数超出±3σ的异常值（每年不足3%的村庄）被剔除（仅针对训练数据2021年及以前），测试与预测年份（2022和2023）数据未修改，以保证时间独立性。

#### 3.2 输入特征相关性分析
皮尔逊相关矩阵显示，fAPAR与产量相关性最强（r=0.79），其次是NDVI-Max（r=0.73）和LSWI-Max（r=0.62），表明光合活动、峰值植被绿度和水分状况是产量变异的关键。NDVI-Mean、LSWI-Mean、降雨和RZSM呈中等正相关（r=0.49~0.53），VH-Total呈显著负相关（r=-0.52），与冠层后期低后向散射特征一致。各预测变量间相关性较低，有利于模型稳定性。

#### 3.3 模型评估与排名
在独立测试年份2022年，RF表现最佳，R²=0.465，RMSE=415.34 kg ha^-1，MAE=322.22 kg ha^-1，MAPE=10.36%；GB、XGBoost和SVR的R²分别为0.370、0.362和0.306。在预测年份2023年，所有模型精度提升，RF最优（R²=0.838，RMSE=325.75 kg ha^-1，MAE=262.21 kg ha^-1，MAPE=7.68%），GB和XGBoost也表现良好（R²分别为0.831和0.812）。LOYO交叉验证中，RF获得最高平均R²（0.702）和最低标准偏差（0.141），平均RMSE（384.73 kg ha^-1）和MAE（301.40 kg ha^-1）也最低，证明其时间稳健性最佳。

#### 3.4 基于RF模型的水稻产量预测与评估
基于RF模型，研究人员对2023年Kharif季村庄尺度水稻产量进行预测，产量范围1008.25~4720.62 kg ha^-1，均值3405.25 kg ha^-1，空间变异显著。预测值与观测值的平均绝对百分比残差为7.16%，R²达0.838，RMSE 325.75 kg ha^-1，MAE 262.21 kg ha^-1。特征重要性分析表明，fAPAR贡献最大（0.29），其次为LSWI-Max（0.24）和NDVI-Max（0.18）。

### 总结讨论与结论

讨论指出，多源卫星指标（光学、SAR、气候、陆面模型）互补性强，能全面捕捉水稻生长过程。RF凭借集成学习结构（多决策树、随机子集）在有限村庄数据上表现出最佳精度和稳健性，LOYO验证进一步证实其时间泛化能力。其他Boosting模型虽在2023年表现良好，但RF稳定性更优。该结果验证了多源卫星数据与机器学习结合在操作层面上预测村庄尺度水稻产量的可靠性，尤其适用于印度保险体系。研究结论翻译如下：
本研究证实，多源卫星衍生指标与机器学习模型可有效预测安得拉邦卡基纳达地区村庄尺度的水稻产量。光学指数、SAR后向散射、降雨、fAPAR和根区土壤湿度分别表征了作物绿度、水分状况、冠层结构、光合活性和水分可用性。随机森林模型在测试年（2022）和预测年（2023）均表现最佳，R²分别为0.465和0.838，MAPE分别为10.36%和7.68%。其他机器学习方法（GB、XGBoost、SVR）也展现了合理预测能力，表明多源预测变量与水稻产量之间的关系可用多种方法捕捉。总体而言，RF具有更优精度和时间稳定性，LOYO交叉验证平均R²高达0.702。2023年村庄尺度水稻产量空间差异显著，均值为3405.25 kg ha^-1，平均百分比残差为7.16%。本研究验证了卫星衍生多源指标与机器学习结合作为操作相关村庄尺度水稻产量预测可靠解决方案的效力，在印度作物保险背景下尤为关键（保险单位常为村庄），科学估算可支持公平理赔和保险机构决策。未来改进可纳入更高分辨率气象和土壤湿度数据、作物管理数据及实地验证。