论文--中国科学院地理科学与资源研究所

论文

论文题目：	结合GWRFR和作物物候信息的玉米产量早期预测
第一作者：	裴杰，谭绍锋，郭韩，刘一博，方华军
联系作者：
发表年度：	2024
摘　　要：	及时并准确地估计作物产量，对保障粮食安全、维护世界粮食供应稳定具有重要意义。此前，已有许多研究者使用机器学习方法对作物产量预估进行研究。然而，结合作物的空间分布、使用局部模型进行分析的研究较少；且诸多研究均以年份为时间尺度进行建模，未能精细到作物生长的各个阶段，无法实现作物产量的早期预测。针对以上问题，该研究结合多源遥感数据，利用随机森林（random forest,RF）以及地理加权随机森林（geographically weighted random forest regression,GWRFR）模型对美国县级玉米产量进行建模，探讨全局与局部模型在玉米产量预测方面的性能；并通过将GWRFR模型应用于玉米的各个物候期，获取了玉米产量的最佳提前预测时间。结果表明，GWRFR局部模型的精度（R2=0.87,RMSE=864.21 kg/hm~2）高于传统的RF全局模型（R2=0.83,RMSE=994.75 kg/hm~2），并且能够较好地克服空间数据的非平稳性，即使在全局模型中加入经纬度作为变量，RF模型的预测效果（R2=0.85,RMSE=890.88 kg/hm~2）仍然低于GWRFR模型。对于玉米产量的预测可以提前至收获前2～3个月，即在乳熟期前后就能得到比较准确的预测结果（R2=0.90,RMSE=748.39 kg/hm~2）。该研究结果可为大尺度作物产量预估提供一种新的思路，对区域或全球其他作物的产量预测也具有一定的指导意义。
英文摘要：
刊物名称：	农业工程学报
全文链接：
论文类别：	CSCD