基于NDWI和卷积神经网络的冬小麦产量估测方法

刘峻明 周 舟 和晓彤 王鹏新 黄健熙

(1.中国农业大学土地科学与技术学院， 北京 100083； 2.中国农业大学信息与电气工程学院， 北京 100083)

0 引言

冬小麦是世界三大粮食作物之一，准确预测冬小麦单产及其空间分布对保障国家粮食安全和挖掘区域可利用的农业资源具有重要意义。目前利用遥感数据进行冬小麦产量预测主要有基于作物敏感波段反射率的统计回归方法[1]、基于遥感信息和作物模型的数据同化方法[2]等。统计回归方法中应用最广泛的是植被指数法，植被指数是由多光谱数据经线性或非线性组合构成的对植被有一定指示意义的数值，被广泛用于植被长势监测和作物估产领域。然而采用植被指数的经验模型通常是基于某一作物在特定条件下建立，例如归一化差值植被指数(Normalized difference vegetation index, NDVI)在植被达到一定覆盖度后增长缓慢，在高植被覆盖地区存在过饱和现象，往往导致模型缺乏普适性。数据同化技术的思想最早由文献[3]提出并在作物估产领域得到应用。通过数据同化技术使遥感数据参与到作物模型模拟过程中，可以提升模型在区域尺度的应用精度，但作物模型的参数标定以及数据同化系统的运行效率仍是当前应用的难点，在实际应用中很难快速得到大范围产量预测结果且预测精度还有待提高[4]。

随着机器学习技术不断发展，机器学习和深度学习方法被成功应用到多个领域，如图像识别、机器翻译、信号处理等[5]。传统的机器学习方法如支持向量机、决策树及随机森林等能够较好地解决非线性问题，并且有较好的效果[6-9]。……