农业机械学报

作者：邝晓飞，万里平，连嘉茜，段欣玥，尉鹏亮，郭交

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：土壤含水率;模型分析;多时间序列;Transformer;多源遥感

基金：陕西省重点研发计划项目(2024NC-ZDCYL-05-02、2025NC-YBXM-200)和内蒙古自治区科技计划项目（2025YFDZ0027）

土壤含水率（Soil moisture content，SMC）的准确预测在农业生产中至关重要。多时间序列多源遥感数据可提供多种特征的时间变化信息，但多时相多序列信息往往在SMC反演中得不到有效利用。Transformer网络在处理多序列特征中表现优越，本研究基于Transformer结构构建了提取SMC的深度回归模型，并将其与卷积神经网络回归（Convolutional neural network regression，CNNR）、长短期记忆网络（Long short-term memory，LSTM）回归、门控循环单元（Gated recurrent unit，GRU）回归进行比较。实验结果表明，使用长时间序列特征数据更有利于SMC预测；在利用5d的历史数据预测5d后的SMC时，Transformer回归相较于CNNR、LSTM和GRU，决定系数平均提升0.0953、0.0324、0.0336，均方根误差平均降低0.014、0.0026、0.0030cm3/cm3。对特征影响和中间隐藏特征的变化分析显示，为不同时刻特征分配合适的注意力更有利于预测SMC。

来源：2025年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第8期