近日，中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)綠色發(fā)展科學(xué)與工程團隊構(gòu)建了格網(wǎng)化冬小麥產(chǎn)量估算模型，通過遙感數(shù)據(jù)同化與機器學(xué)習(xí)技術(shù)的深度融合，顯著提升了冬小麥區(qū)域產(chǎn)量預(yù)測的精度。相關(guān)成果以“Integrating remote sensing assimilation and SCE-UA to construct a grid-by-grid spatialized crop model can dramatically improve winter wheat yield estimate accuracy”為題發(fā)表在《農(nóng)業(yè)計算機和電子技術(shù)（Computers and Electronics in Agriculture）》期刊上。

 

　　作物產(chǎn)量估算在農(nóng)業(yè)政策制定、資源配置以及生產(chǎn)實踐中都具有重要作用。然而，傳統(tǒng)作物模型盡管在小范圍內(nèi)有較高精度，但在區(qū)域尺度上應(yīng)用卻面臨巨大挑戰(zhàn)，主要包括輸入?yún)?shù)需求高、數(shù)據(jù)獲取難、參數(shù)校準(zhǔn)復(fù)雜等問題。為了克服這些瓶頸，研究團隊提出了一種基于網(wǎng)格的作物模型，利用多源數(shù)據(jù)構(gòu)建精準(zhǔn)的區(qū)域冬小麥產(chǎn)量模型，并結(jié)合最新的機器學(xué)習(xí)和遙感數(shù)據(jù)同化技術(shù)，嘗試在區(qū)域尺度上實現(xiàn)更高的產(chǎn)量預(yù)測精度。

 

　　該研究通過構(gòu)建一個1公里分辨率的冬小麥格網(wǎng)化模型，將整個研究區(qū)域劃分為若干獨立的格網(wǎng)單元，每個單元輸入氣象、土壤、管理等多源數(shù)據(jù)進行作物生長模擬。團隊在此基礎(chǔ)上，使用了一種機器學(xué)習(xí)算法——隨機復(fù)雜演化算法（SCE-UA），以實現(xiàn)自動參數(shù)優(yōu)化，提高模型的適應(yīng)性和預(yù)測能力。此外，研究中還應(yīng)用了兩種遙感數(shù)據(jù)同化方法：集成卡爾曼濾波（EnKF）和四維變分同化（4Dvar），通過將遙感葉面積指數(shù)（LAI）數(shù)據(jù)引入作物生長軌跡，進一步校正和優(yōu)化模型模擬結(jié)果，從而有效降低了作物模型的不確定性。

 

　　實驗結(jié)果表明，該方法顯著提高了冬小麥產(chǎn)量估算的精度。具體而言，經(jīng)過參數(shù)優(yōu)化和數(shù)據(jù)同化后，模型的相關(guān)系數(shù)（R?）從0.53提升到0.94，均方根誤差（RMSE）從824.82 kg/ha降至148.48 kg/ha，冬小麥產(chǎn)量的估算精度大幅提升。研究發(fā)現(xiàn)，在幾種不同的優(yōu)化和同化策略中，SCE-UA與4Dvar的結(jié)合效果最佳，使得格網(wǎng)化模型可以達到最高的模擬精度。

 

　　該研究成果具有重要的應(yīng)用價值。首先，這一方法有效解決了傳統(tǒng)作物模型在區(qū)域尺度上難以精確估算的問題，為大范圍農(nóng)業(yè)生產(chǎn)預(yù)測提供了新的技術(shù)思路。其次，通過對年際冬小麥產(chǎn)量的高精度模擬，模型能夠幫助農(nóng)業(yè)管理者實時監(jiān)測作物生長狀況并及時應(yīng)對潛在問題。此外，該研究還推動了空間化作物模型與遙感技術(shù)的結(jié)合，為未來智能農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)的發(fā)展奠定了基礎(chǔ)。

 

　　盡管研究取得了顯著成果，團隊也指出該方法仍有進一步優(yōu)化空間，例如，遙感數(shù)據(jù)的精度提升、模型參數(shù)的區(qū)域化校準(zhǔn)等。未來，隨著遙感技術(shù)和機器學(xué)習(xí)算法的持續(xù)進步，這種空間化作物模型有望在全球范圍內(nèi)得到推廣應(yīng)用，為應(yīng)對氣候變化和保障糧食安全提供強有力的技術(shù)支持。

 

　　中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所博士后李強為論文第一作者，高懋芳研究員為論文通訊作者，該研究得到北方干旱半干旱耕地高效利用全國重點實驗室、國家自然科學(xué)基金創(chuàng)新群體項目資助。

 

　　原文鏈接：https://doi.org/10.1016/j.compag.2024.109594