农业机械学报

作者：李阳，苑严伟，赵博，王吉中，伟利国，董鑫

单位：中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

关键词：小麦;玉米;产量估算模型;作物信息;多模态参数融合;机器学习

基金：国家重点研发计划项目（2022YFD2001502）

为了进一步提高冬小麦产量预测的准确性，针对麦玉轮作体系缺乏直接把前茬作物信息纳入到当季作物的产量估算及管理中的研究状况，利用前茬玉米季中长势遥感信息及产量信息，融合小麦拔节期、灌浆期及成熟期长势遥感信息、播前施肥信息及土壤特性信息等多时相多模态数据，基于GPR算法，建立多时相多模态参数融合的麦玉轮作体系小麦产量估算模型，结果显示：基于多生育期的产量估算模型较单生育期最优产量估算模型性能有所提升，R2提高0.01~0.03。其中基于拔节期产量估算模型精度略低于多生育期产量估算模型，但精度相近。基于多模态参数融合的产量估算模型中，除玉米作物信息与土壤特性信息融合构建的产量估算模型，多模态参数融合的产量估算模型精度较相应低模态参数融合的产量估算模型精度高。四模态参数融合的GPR模型决定系数R2为0.92，RMSE为213.75kg/hm2，较其他模型，R2提高0.02~0.41。对于小麦产量估算模型，各模态参数影响由大到小依次为施肥信息、小麦遥感信息、土壤特性信息、玉米作物信息。玉米作物信息对于多模态参数融合的小麦产量估算模型精度提升最小，R2总体提升0.02~0.07。玉米作物信息在一定程度表征了收获后土壤肥力状况，是土壤特性信息的高空间分辨率补充，可以进一步提高量化土壤肥力的能力，与其他参数信息结合，提高了小麦产量估算精度，为麦玉轮作体系土壤-作物数据的综合利用及轮作体系的综合管理提供了科学依据和方法思路。

来源：2023年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第12期