5、神经网络在作物产量评估中的应用

神经网络在作物产量评估中的应用

1. 遥感在作物产量评估中的潜力

遥感影像具备实时提供地球任意尺度特征空间信息的能力。它不仅可用于识别作物类别，还能用于估算作物产量。众多传感器数据对作物产量估算十分有用，例如，有人考虑了土壤湿度、归一化植被指数（NDVI）、地表温度和降雨量数据，采用带断点的分段线性回归方法评估作物产量，发现玉米的预测值与观测值非常接近（R² = 0.78），大豆作物的预测值与观测值的接近程度更高（R² = 0.86）。

此外，还有研究利用卫星数据（IRS - 1B - LISS - II）结合作物收割实验的产量数据，采用后分层估计器对小区域的作物产量进行估算；通过建立归一化植被指数与产量之间的简单线性统计关系来估算水稻、玉米、小麦和棉花等作物的产量；依据基于AVHRR的温度条件指数（TCI）和植被条件指数（VCI）构建玉米在收获前约42天的产量情景。近期研究还使用了低空直升机和无人机（UAV）进行田间尺度的产量预测，一项在20米高度使用无人机的研究表明，在穗分化期，NDVI值与产量和总生物量高度相关。

虽然在这方面已经开展了大量研究，但目前尚无特定的最佳产量估算方法。可以利用遥感数据训练神经网络来预测作物产量，结合大数据卫星数据分析和神经网络也是可行的。

2. 水稻和甘蔗作物敏感参数的推导

2.1 研究区域

研究区域位于克里希纳中央三角洲（KCD），它是安得拉邦克里希纳区克里希纳东部三角洲的一部分，以神圣的克里希纳河命名，地理坐标介于北纬16°37‘15”至15°42‘15”，东经80°34‘0”至81°16‘0”之间。该区域是班达尔运河和克里希纳东岸运河的灌区，在克里希纳区的灌溉面积达111223.83公顷，