农业机械学报

作者：郭丰玮，王鹏新，刘峻明，李红梅

单位：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;变分模态分解;门控循环单元;遥感参数

基金：国家自然科学基金项目（42171332）

为充分挖掘时间序列遥感参数的时序信息和趋势信息，并进一步提升冬小麦估产精度，以陕西省关中平原为研究区域，选取与冬小麦长势密切相关的生育时期尺度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）作为遥感参数，构建耦合变分模态分解（VMD）与门控循环单元（GRU）神经网络的估产模型。应用VMD算法将各个时间序列遥感参数分解为多组平稳的本征模态函数（IMF）分量，选取与原始时间序列遥感参数高度相关的IMF分量进行特征重构，并将重构特征作为GRU网络的输入，以构建冬小麦组合估产模型。结果表明，VMD-GRU组合估产模型决定系数为0.63，均方根误差为448.80kg/hm2，平均相对误差为8.14%，相关性达到极显著水平（P<0.01），其精度优于单一估产模型精度，表明该组合估产模型能够提取非平稳时间序列数据的多尺度、多层次特征，并充分挖掘冬小麦各生育时期遥感参数间的内在联系，获得准确单产估测结果的同时提升了估产模型的可解释性。

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