农业机械学报

作者：王鹏新，李明启，张悦，刘峻明，朱健，张树誉

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,陕西省气象局,

关键词：冬小麦;产量估测;粒子群优化;小波神经网络;遥感多参数

基金：国家自然科学基金项目（42171332）

冬小麦是我国的主要粮食作物之一。为进一步准确地估测冬小麦产量，以陕西省关中平原为研究区域，选取冬小麦主要生育期与水分胁迫和光合作用等密切相关的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数，采用改进的粒子群算法优化小波神经网络（IPSO-WNN）以改善梯度下降方法易陷入局部最优的缺陷，并构建冬小麦产量估测模型。结果表明，IPSO-WNN模型的决定系数R2为0.66，平均绝对百分比误差（MAPE）为7.59%，相比于BPNN（R2=0.46，MAPE为11.80%）与WNN（R2=0.52，MAPE为9.80%），IPSO-WNN能够进一步提高模型的精度、增强模型的鲁棒性。采用灵敏度分析的方法探究对冬小麦产量影响较大的输入参数，结果发现，抽穗-灌浆期的FPAR对冬小麦产量影响最大，其次拔节期的VTCI、抽穗-灌浆期和乳熟期的LAI以及返青期和拔节期的FPAR对冬小麦产量的影响较大。通过IPSO-WNN输出获取冬小麦综合监测指数I，构建I与统计单产之间的估产模型以估测关中平原冬小麦单产，结果显示，估测单产与统计单产之间的R2为0.63，均方根误差（RMSE）为505.50kg/hm2，相比于前人的研究较好地解决了估产模型存在的“低产高估”的问题，因此，本文基于IPSO-WNN构建的估产模型能够较准确地估测关中平原冬小麦产量。

来源：2024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2024年第1期