利用MultiRocket和XGBoost以及Sentinel-2时间序列数据预测作物产量，以监测田间变异情况

《Remote Sensing Applications: Society and Environment》：Crop yield prediction for monitoring within-field variability using MultiRocket and XGBoost on Sentinel-2 time series data

　　摘要
作物产量估算为各类精准农业操作提供支持，有助于优化资源管理。同时，它还对监测田间作物产量变异具有重要意义，而通过科学规划及针对性管理措施，这类变异是可以得到控制的。目前已有多种机器学习与深度学习模型被开发出来，用于基于遥感数据预测作物产量。尤其是基于卷积的深度学习架构，在处理大量多变量卫星数据时，往往因训练时间过长而难以确定合适的核权重。ROCKET（随机卷积核变换）算法已被应用于多种时间序列分类任务，该算法通过数千个不可学习的核函数来提取特征。在本研究中，我们提出了一种基于ROCKET变体的框架——MultiRocket，利用Sentinel-2时间序列影像来实现玉米田产量的预测。该方法通过MultiRocket方法从多种抗饱和植被指数中提取特征，进而用于训练XGBoost模型。研究在意大利一块面积为22公顷的玉米田中进行，所使用的卫星数据来自2017年和2018年的作物生长季。与两种基准方法相比，所提出的框架表现出一定的改进效果：2017年数据的R2值为0.566，RMSE值为1.084吨/公顷，MAE值为0.784吨/公顷；2018年数据的相应数值分别为0.721、0.972吨/公顷和0.684吨/公顷。因此，本研究为基于MultiRocket的作物产量估算框架提供了概念验证，展现了其潜力，同时也指出需要在更多不同年份的农业数据集上进一步验证其有效性。

引言
农业田地通常存在空间异质性，这体现在作物产量上的空间差异上，一般以吨/公顷作为衡量标准。造成这种产量不均匀性的因素包括土壤特性、病虫害造成的局部损害以及田间管理方式等。在许多发展中国家，通常采用统计抽样方法来获取全国范围内的产量估算数据（Ishaq等人，2025）。这种方法通过汇总抽样田地的观测结果并推广到更大范围，来估算总体产量，但可能存在抽样偏差和较大误差。此外，由于得到的结果无法有效反映田间的空间差异，尤其难以识别低产、中产和高产区域，因此限制了按需施用各种农业投入品的可能性。因此，在田间层面监测作物产量至关重要，这一数据可为决策者和农民提供重要依据，帮助他们在下一季播种前制定种子选择方案和管理策略。过去，人们已开始利用基于卫星的遥感数据，结合传统机器学习与深度学习模型，通过人工智能技术提取产量信息。相关研究可分为“生长季内”与“生长季后”两类产量估算方法（Dimov等人，2022）。本研究聚焦于生长季后玉米产量估算，即在作物收割完成后进行。玉米作为全球粮食安全的重要保障，在许多国家都是主要农作物，同时也是畜牧业饲料的重要组成部分（Hove等人，2025）。

深度学习模型如卷积神经网络、循环神经网络和长短期记忆网络在捕捉特征与产量之间的复杂非线性关系方面表现优异，但这类模型往往缺乏可解释性（Rado?aj等人，2026）。此外，它们还需要大量高质量且带有标签的数据，而这在许多发展中国家往往难以获得。相比之下，众多机器学习模型，尤其是梯度提升算法，在产量估算任务中也展现出了相当不错的性能（Huber等人，2022）。现有研究表明，利用机器学习中的集成模型，如随机森林，能够有效捕捉高维数据中的复杂非线性模式，从而实现作物产量预测，这些高维数据来源于卫星影像及多种环境因素（Huber等人，2022；Breiman，2001）。在各类集成方法中，极端梯度提升算法因其在预测任务中的优异表现而越来越受到关注（Aslan等人，2024）。XGBoost采用迭代方式工作，每次向集成模型中添加的新决策树都会试图改进前一个模型所产生的误差，从而实现准确且稳健的产量预测，其预测效果可与许多深度学习方法相媲美（Huber等人，2022）。Sánchez等人（2025）发现，XGBoost在小麦籽粒产量预测方面表现良好，该模型使用了多种农艺与气候变量以及从不同遥感源获取的归一化植被指数作为输入。Pejak等人则结合随机梯度下降、XGBoost及其他几种机器学习方法，利用Sentinel-2影像和土壤数据，对田间大豆产量进行了对比分析（Pejak等人，2022）。与其他提升算法相比，轻量级梯度提升机在时间和内存使用效率方面更具优势，它也被用于结合卫星数据、气候与社会经济因素预测小麦产量（Cao等人，2020）。他们的研究表明，随机森林和轻量级梯度提升机能够有效捕捉产量与各影响因素之间的非线性关系，而线性模型则无法做到这一点。

基于监督式机器学习算法的许多产量预测模型的准确性，取决于所选特征的合理性（Abdel-Salam等人，2024；Gopal和Bhargavi，2019）。Ntouros等人提出了一种小麦产量预测框架，该框架以从Sentinel-2影像衍生的多种植被指数中计算得到的曲线下面积作为特征（Ntouros等人，2025）。近年来，越来越多研究开始利用从卫星影像中提取的物候学特征（Masiza等人，2026；Ji等人，2021；Shen等人，2025）。这类特征能够反映作物的各个生物阶段信息，如萌发期、幼苗期、生长期、开花期和成熟期等。Rado?aj等人（2025b）从Sentinel-2时间序列影像中提取了七种不同的植被指数和物候学指标，用于玉米和大豆产量预测。另有研究则采用了基于百分位数的特征，即从每个Sentinel-2波段中提取第10、25、50、75和100百分位数，再结合其他一些植被指数（Jin等人，2017）。

近期研究显示，时间序列卫星影像在作物产量预测中的应用越来越广泛（Marino，2023；Amankulova等人，2023）。对于时间序列分类任务，Dempster等人提出了随机卷积核变换算法，该算法通过对时间序列数据应用卷积运算，来提取每个核的最大值和正值比例作为特征（Dempster等人，2020）。该算法通过数千个不可学习的核函数从数据中提取特征，之后再使用岭回归分类器进行处理。Tan等人则采用了类似方法来解决回归问题（Tan等人，2021），他们用岭回归模型替代了分类器，对实际时间序列数据进行时间序列外推回归分析。虽然这种方法具有巨大潜力，但目前尚未在基于卫星数据的作物产量估算领域得到应用。

在本研究中，我们提出了一种基于集成学习的机器学习框架，该框架采用MultiRocket算法来实现玉米产量估算，这一结果对于分析田间作物变异具有关键意义（Tan等人，2022）。据我们所知，目前尚无实验研究探讨过将基于ROCKET方法的MultiRocket算法用于高维卫星数据下的作物产量预测。在该研究中，MultiRocket通过四种池化运算符，对三种抗饱和时间序列植被指数进行处理，从而提取出多种特征。这些特征随后被用于基于XGBoost的回归模型中。与依赖手工设计特征的方法不同，所提出的方法无需进行人工特征工程。此外，由于使用了静态核函数，因此在资源受限的环境中也不需要依赖那些计算成本较高的基于学习核函数的模型。本研究通过空间分块方法对所提方法进行了评估，并与两种基准方法进行了比较，结果表明该方法在从时间序列植被指数中提取统计摘要方面具有显著优势。空间分块方法有助于在一定程度上避免数据泄漏问题，也为基于MultiRocket的作物产量估算框架在监测田间变异方面提供了可靠的概念验证。

本文其余结构如下：第2节介绍研究区域及实验中使用的Sentinel-2时间序列数据集；第3节详细阐述所提出的框架；第4节呈现实验结果；第5节对结果进行分析；第6节总结全文并指出未来研究方向。

研究区域
研究区域为一块位于意大利的22公顷玉米田，其坐标为北纬44°41′39.66″，东经12°12′46.00″，属于地中海气候类型。本研究所使用的研究区域及对应地面实测数据与Kayad等人（2019）描述的内容一致。我们使用了2017年和2018年的田间数据，两年种植的玉米品种相同。2017年，玉米在3月播种，8月完成收割；2018年则是在4月播种，收割时间同样在同年完成。

特征提取
在数据预处理之后，每个像素都可被视为一个多变量时间序列信号。在此阶段，我们采用了多变量MultiRocket算法从高维数据中提取特征。图2展示了基于MultiRocket和XGBoost的产量预测方法的整体流程。本节将详细介绍MultiRocket算法，以及与所提框架相比较的另外两种特征提取方法。两种基于ROCKET的变体也已被用于特征提取过程。

结果
我们对所提框架在三种特征提取方法（MultiRocket、MiniRocket以及基于物候学的特征提取方法）下的性能分别进行了评估，相应的R2值、RMSE值和MAE值均列于表2中。此外，我们还采用了空间分块策略，分块大小分别为5和10，其中70%的块用于模型训练，剩余30%的块用于模型测试。研究结果针对2017年和2018年两个年份进行了汇报。

讨论
据我们所知，此前尚未有研究将MultiRocket算法用于利用Sentinel-2时间序列影像预测田间作物产量变异。实验结果表明，MultiRocket与XGBoost的组合在特征提取和捕捉特征中的非线性模式方面均表现出良好效果。2017年，MultiRocket算法的预测结果处于中等水平，最高R2值为0.566±0.048，另一数值为0.452±0.158。

结论
许多精准农业应用都需要分析田间作物产量变异，以便进行合理的资源规划与管理。目前机器学习领域的现有研究大多依赖于从卫星影像中获取的手工设计特征，如曲线下面积、百分位数以及物候学特征。基于这类特征的模型具有较高的可解释性，能在较小规模数据集上表现良好，并能给出可靠的产量预测结果。然而，这类模型的构建需要专家的知识支持。

CRediT作者贡献说明
Maleeha Najam：撰写——审阅与编辑，撰写——初稿，方法论，研究实施，正式分析，数据整理，概念构思。
Hasnat Khurshid：撰写——审阅与编辑，监督，资源协调，数据整理，概念构思。
Faisal Akram：监督，资源协调。

代码可用性
本研究中所使用的代码并未公开发布。

伦理声明
作者声明，本研究未涉及人类受试者或动物实验，也不需要特殊的伦理审批。

资金支持
作者在进行此项研究时未获得任何外部资金资助。

利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。

Maleeha Najam | Hasnat Khurshid | Faisal Akram
巴基斯坦伊斯兰堡国立科学技术大学电气工程系，邮编44000