5、基于神经网络的作物产量评估与预测

基于神经网络的作物产量评估与预测

1. 遥感影像在作物产量评估中的应用

遥感影像具有实时提供地球任意尺度特征空间信息的潜力，不仅可用于作物类别识别，还能用于作物产量估算。众多传感器数据对作物产量估算很有用，例如利用分段线性回归方法结合断点，考虑土壤湿度、NDVI、地表温度和降雨数据来评估作物产量，玉米和大豆的预测值与观测值非常接近（玉米$R^2 = 0.78$，大豆$R^2 = 0.86$）。此外，还可以使用卫星数据（IRS - 1B - LISS - II）结合作物收割实验的产量数据，采用后分层估计器在小区域估算作物产量。同时，也有研究建立了归一化植被指数与水稻、玉米、小麦和棉花产量之间的简单线性统计关系，以及利用基于AVHRR的温度条件指数（TCI）和植被条件指数（VCI）构建玉米收获前约42天的产量情景。近年来，低空直升机和无人机（UAV）也被用于田间尺度的产量预测，如在20米高度使用无人机的研究表明，NDVI值与穗分化期的产量和总生物量高度相关。

虽然在这方面已经进行了大量研究，但目前还没有特定的最佳产量估算方法。可以使用遥感数据训练神经网络来预测作物产量，也可以结合大数据卫星数据分析和神经网络进行预测。

2. 研究区域概况

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，地理坐标为北纬16°37‘15”至15°42‘15”，东经80°34‘0”至81°16‘0”。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为111223.83公顷，灌溉约18个行政区。

在雨季（7月/8月至11月/12月），主要种植的作物有水稻、甘蔗、姜黄和蔬菜；在旱季（