TandemNet：一种用于早期季节水稻产量预测的多尺度多实例学习框架

《Remote Sensing》：TandemNet: A Multi-Scale Multiple-Instance Learning Framework for Early-Season Rice Yield Prediction

　　

早期季节作物产量预测对于粮食安全评估和及时农业决策至关重要，然而大规模遥感应用往往受到像素级观测与县级产量标签之间不匹配的制约。这种不匹配限制了细粒度空间异质性的利用，尤其是在部分季节观测条件下。单尺度方法在捕捉互补的像素级和县级信息方面也有限，限制了对产量形成过程的表征。为解决这一问题，研究人员提出了TandemNet，一种用于中国东北粳稻早期季节产量预测的多尺度多实例学习框架（Multi-Scale Multiple-Instance Learning, MIL）。TandemNet将每个县-年视为一个水稻像素包，并采用双分支架构共同学习像素级生长轨迹和县级统计响应。一个物候条件化的交叉注意力模块（Cross-Attention）在不同的生长季窗口下融合这两个尺度。利用2018年至2023年的Sentinel-1、Sentinel-2和MODIS数据，留一年验证（Leave-One-Year-Out, LOYO）表明，TandemNet在大多数物候阶段优于随机森林（Random Forest, RF）、XGBoost、长短期记忆网络（Long Short-Term Memory, LSTM）和Transformer基线。它在分蘖期（大约收获前2-3个月）实现了可靠的预测，R²为0.69，均方根误差（Root Mean Square Error, RMSE）为655.98 kg/ha。消融和注意力分析进一步表明，信息源从局部异质性向县级一致性发生了阶段性转变。这些结果表明，建模跨尺度交互提高了水稻产量预测的及时性、准确性和可解释性。

作物产量预测是农业监测与决策支持的核心任务，其准确性直接影响粮食安全、市场稳定和精准农业。传统统计模型通常建立产量与环境因素的统计关系，但难以捕捉作物不同生长阶段的非线性、阶段性响应；过程模型虽能模拟生理机制，却需要详细参数化与全面输入数据，在大尺度异质区域应用困难。近年来，数据驱动深度学习方法快速发展，但大规模遥感应用仍面临关键限制：遥感观测在像素级，而可靠产量标签通常在县级行政尺度，这种观测尺度与监督尺度的不匹配导致模型难以有效利用细粒度空间异质性。现有方法常通过将像素信息聚合到县级以匹配标签，却丢弃了与作物生长密切相关的空间变异。此外，作物生长在县内高度异步，且产量形成受局地环境与县级调控的共同作用，本质上是一个跨尺度耦合问题。因此，研究人员提出了TandemNet，一个多尺度多实例学习框架，用于中国东北粳稻的早期季节产量预测。该研究利用2018—2023年多源遥感数据，在留一年验证协议下证明其性能优于多种基线，并揭示了物候驱动的跨尺度信息动态变化，提高了预测及时性、准确性和可解释性。该论文发表在《Remote Sensing》。

研究人员为开展研究用到的主要关键技术方法包括：在Google Earth Engine（GEE）平台上，基于Shen等绘制的单季稻分布图，采用类约束采样策略每年随机选取2500个10米像素，并与县级产量标签匹配，最终获得6718个有效像素实例，构成多实例学习包。多源数据（Sentinel-1 SAR、Sentinel-2光学、MODIS地表温度）经过质量控制和10天时间步合成。模型采用双分支架构：像素分支通过深度可分离卷积、可学习生长季步长加权和残差MLP编码单像素轨迹；县级分支构建每时步的分布统计（均值、标准差、百分位数）并输入Transformer。物候条件化交叉注意力模块以像素特征为查询，县级时序为键和值，实现自适应跨尺度融合。训练采用变长窗口策略与留一年验证（LOYO）。

### 3.1 早期季节产量预测性能

研究在五个递进的生长季窗口（GP1至GP1-5）下评估模型，对应不同可见时间步数。随着物候信息积累，TandemNet的R²从GP1的0.29提升至GP1-5的0.72。在GP1-3（分蘖期，约收获前2—3个月）达到R²=0.69，RMSE=655.98 kg/ha。与随机森林、XGBoost、LSTM和Transformer四种基线相比，TandemNet在除最早窗口外的所有物候阶段均取得最优指标，其中在GP1-3相对改进最大，表明其能更有效利用早期季节信号。

### 3.2 消融研究

通过移除或简化模型组件，研究人员量化各模块贡献。移除像素级分支导致GP1窗口R²下降39.9%，说明早期生长依赖细粒度空间信息；移除县级分支使各阶段平均R²下降约0.11；去除交叉注意力模块和双池化结构分别导致平均相对R²下降约7.0%和8.0%；仅用均值替代完整分布统计使平均相对R²下降约10.7%。变长窗口训练在后期阶段作用更显著。这些结果表明每个组件均有效，且贡献随物候阶段动态变化。

### 3.3 时空鲁棒性

以2021年为代表，研究人员比较了各预测窗口的县域空间分布与统计年鉴参考图。随着生长季推进，预测逐渐区分高、低产县，GP1-3时多数县相对误差约10%。跨年验证中，分蘖期预测的协调相关系数（Concordance Correlation Coefficient, CCC）在2018—2023年间为0.77—0.89，回归拟合的95%置信区间窄，表明模型未受特定年份伪影影响，具有跨年稳定性。

### 3.4 可解释性

使用SHapley Additive exPlanations（SHAP）方法识别关键遥感特征。植被和色素指数占关键特征集60%以上，但影响最大的单个特征是LST_Night（夜间地表温度），其次为NDYI（归一化差值黄度指数）和REP（红边位置）。高LST_Night值通常对应正SHAP贡献，而高NDYI和REP多对应负贡献。这些特征在长时间窗口内保持较高贡献，尤其LST_Night稳定性强，表明模型捕捉了与水稻早期生长和产量形成相关的稳定非线性关系。

讨论部分指出，TandemNet的性能轨迹与水稻物候发育一致：早期冠层覆盖低，遥感信号受田块复杂环境影响，预测精度有限；分蘖期营养生长迅速，相关信号增强，模型获得实用预测能力；后期新增观测边际增益递减。跨尺度注意力与消融分析揭示，从早期像素级异质性主导向后期县级一致性主导的动态转变。局限性方面，统计年鉴标签可能存在系统性误差；极端产量样本不足导致预测向均值回归，高估低产县、低估高产县；模型尚未在跨区域、跨作物场景下验证。未来工作需集成天气、土壤和管理信息，改进极端产量表征，并评估跨区域泛化能力。

研究结论翻译：本研究提出了TandemNet，一种在弱监督条件下用于早期季节水稻产量预测的多尺度多实例学习框架。TandemNet将每个县视为“水稻像素”的集合，从而同时建模像素级空间异质性和县级统计生长响应。其双分支架构、物候条件化交叉注意力融合和变长时间训练策略，使其能够在不同生长阶段自适应利用多源遥感观测。结果表明，预测性能随物候信息积累而提高。TandemNet在分蘖期（GP1-3），即大约收获前2—3个月，实现了R²=0.69和RMSE=655.98 kg/ha。2018—2023年的LOYO验证进一步显示了稳定的跨年表现。消融和注意力分析揭示了尺度重要性的动态转变：像素级异质性在早期生长中贡献更强，而县级统计模式随作物发育日益重要。总体而言，TandemNet提高大规模水稻产量预测的及时性、准确性和可解释性，为不完整季节观测下的业务化作物监测、农业风险评估和决策支持提供了有用基础。未来工作应解决统计产量标签和早期季节遥感观测的不确定性，改进极端产量条件的表征，并评估模型在跨区域、跨作物场景下的泛化能力。