农业机械学报

作者：王来刚，郑国清，郭燕，贺佳，程永政

单位：河南省农业科学院,河南省农业科学院,河南省农业科学院,河南省农业科学院,河南省农业科学院,

关键词：冬小麦;产量预测;遥感;多源时空数据;随机森林算法

基金：国家重点研发计划项目（2018YFD0300702）、河南省重大科技专项（171100110600）和河南省农业科学院创新团队项目（2021TD11）

为提高大尺度冬小麦产量预测精度，以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量，分析其与小麦单产的相关性，并基于随机森林算法对特征变量进行了重要性分析，构建了融合多源时空数据的冬小麦产量预测模型。结果表明：增强型植被指数（Enhanced vegetation index，EVI）、日光诱导叶绿素荧光（Solar?induced chlorophyll fluorescence，SIF）与高程为小麦产量预测的重要因子，与小麦产量呈高度正相关，对小麦产量预测的重要性指标均超过0.45，远大于土壤含水率、降水量、最高温度、最低温度等因子；基于随机森林算法构建的小麦不同生长阶段产量预测模型中，以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高，R2分别为0.85和0.84，RMSE分别为821.55、832.01kg/hm2，在空间尺度上，豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。

来源：2022年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第1期