基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测.pdfVIP

第 38 卷 第 11 期 农 业 工 程 学 报 Vol.38 No.11 2022 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2022 151 ·农业信息与电气技术· 基于 CNN 卷积神经网络和 BP 神经网络的 冬小麦县级产量预测 ※ 孙少杰，吴门新 ，庄立伟，何延波，李 轩 （国家气象中心，北京100081） 摘 要：冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。 该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks ，CNN ）和反向传播神经网络（Back Propagation Neural Networks ，BP ）技术提出了冬小麦县级产量预测方法，使用CNN 卷积神经网络对 Sentinel-2 遥感数据 进行冬小麦种植区的分析和提取，将得到的种植区分布数据与 MODIS EVI 数据和耕地分布数据进行了融合，利用 BP 神 经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error ，RMSE ）、平均绝对误差 （Mean Absolute Error ，MAE ）和样本决定系数（Coefficient of Determination ，R2 ）作为精度指标对试验结果进行分析和 评价。结果表明，基于 CNN 卷积神经网络和 BP 神经网络的冬小麦县级产量预测方法在山东省 2014 －2016 年冬小麦县 2 2 2 级产量验证集中 R 达到 0.87 以上，MAE 低于 269.48 kg/hm ，RMSE 低于 346.56 kg/hm ，93%的县单产相对误差小于 9%， 试验结果平均值与中位数的偏差小于 1.2%；在河南省 2015 －2019 年冬小麦县级产量验证集中 R2 达到 0.96 以上，MAE 2 2 低于 304.84 kg/hm ，RMSE 低于 418.14 kg/hm ，91%的县单产相对误差小于 9%，试验结果平均值与中位数的偏差小于 1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。 关键词：遥感；产量；预测；机器学习；冬小麦 doi ：10.11975/j.issn.1002-6819.2022.11.017 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2022)-11-0151-10 孙少杰，吴门新，庄立伟，等. 基于 CNN卷积神经网络和 BP神经网络的冬小麦县级产量预测[J]. 农业工程学报，2022， 38(11)：151-160. doi ：10.11975/j.issn.1002-6819.2022.11.017