基于时序特征和机器学习的冬小麦动态估产研究
叶昊天1
段剑钊2
李梦夏3
李军玲3
田宏伟3
1.中国气象局·河南省农业气象保障与应用技术重点开放实验室,郑州 450003;河南省气象科学研究所,郑州 450003;安阳国家气候观象台,河南 安阳 4550002.河南农业大学,郑州 4500033.中国气象局·河南省农业气象保障与应用技术重点开放实验室,郑州 450003;河南省气象科学研究所,郑州 450003
摘要：冬小麦产量估算对保障粮食安全至关重要.为提升单产估测效率与精度,集成2000-2021年河南省冬小麦县域单产、遥感数据、气象数据及地理坐标等多源数据,解析特征变量与产量的相关性.通过时序递进式输入特征变量,对比线性回归、随机森林、梯度提升、LightGBM 及 K 近邻五种模型的动态估产性能,并利用 2021 年数据进行验证.结果表明:冬小麦产量与 NDVI 呈显著正相关关系,与地理位置、光照、温度和降水关联性突出;五种模型均能有效估产,其中 LightGBM 模型(27 个特征变量)表现最优(预测期 5 月,R2=0.91,RMSE=435 kg·hm-2,NRMSE=7.0%,RE=6.5%);基于该模型对 2021 年产量的预测精度良好(R2=0.97,RMSE=249 kg·hm-2,NRMSE=5.1%,RE=2.7%),空间相对误差异质性与地形、遥感数据存在混合像元有关.
关键词：冬小麦产量预测机器学习动态多源数据
分类号：S127(农业物理学)S512.1+1(禾谷类作物)
资助基金：鹤壁市农业气象与遥感重点实验室开放研究基金(AYNCOF202510)河南省自然科学基金项目(252300420288)河南省农业气象保障与应用技术重点开放实验室项目(AMF202602)河南省农业气象保障与应用技术重点开放实验室项目(AMF202501)
论文发表日期：2026-05-30
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 46-54 )
英文信息