基于长短期记忆网络与植被指数的春小麦产量估测研究OACSTPCD

春小麦作为我国北方地区重要的粮食作物,其产量预测和空间分布特征分析对于保障国家粮食安全、推动农业区域的均衡发展以及优化农业资源配置具有极其重要的意义。本研究选取甘肃省兰州市和武威市作为研究区,采用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)卫星遥感获取2001—2022年的遥感数据,对遥感图像进行预处理,并提取包括归一化差异水分指数(Normalized Difference Water Index,NDWI)在内的7种遥感植被指数。对实测产量数据进行趋势分析,结合长短期记忆循环网络(Long Short-Term Memory,LSTM)构建产量估算模型,对兰州市和武威市的春小麦产量进行预测研究,并与传统估产模型反向传播神经网络(Back Propagation Neural Network,BP)模型对比,研究不同模型的估产性能。结果表明:NDWI在所有植被指数中对产量估算模型的贡献最为显著,其决定系数达到0.69,并且在去除趋势影响后,该指数的决定系数进一步提升至0.77。此外,采用五折交叉验证法对模型进行验证,进一步确保了模型的稳健性和泛化能力。本研究可为市级尺度的春小麦产量估算提供参考。