基于多源遥感参数和BiLSTM–CNN模型的冬小麦产量估算

《Remote Sensing》：Winter Wheat Yield Estimations Based on Multisource Remote Sensing Parameters and the BiLSTM–CNN Model

　　

摘要

冬小麦是中国粮食生产的支柱，对国家粮食安全和整体谷物产量贡献巨大。本研究建立了多时相遥感变量与冬小麦产量之间的非线性关系模型。为了获得高时空分辨率的数据，我们采用了增强型空间和时间自适应反射率融合模型（ESTARFM），将Sentinel-2标准化差分植被指数（NDVI）数据与MODIS NDVI数据相结合，生成了间隔8天、空间分辨率为10米的NDVI复合图像。NDVI、实际蒸发蒸腾量（ET）、地表温度（LST）、降水量（PRE）和土壤湿度（SM）被选为产量预测的指标，因为它们与冬小麦生长期和产量形成密切相关。通过结合一维卷积神经网络（1-D CNN）的局部时间特征学习能力和双向长短期记忆（BiLSTM）模型在捕捉时间序列中的时间依赖性，构建了一个BiLSTM–CNN模型用于小麦产量预测。该模型的预测精度高于单独的BiLSTM模型和1-D CNN模型，其R2值为0.69，均方根误差（RMSE）为478.68公斤/公顷。使用所有参数组合能够获得最佳的预测效果。在收获前大约两个月，该模型仍能提供较为准确的产量预测。本研究为高精度区域冬小麦产量估算和收获前预测提供了重要的理论基础。