[发明专利]一种基于遥感和集成学习的作物产量预测方法

说明书

本发明涉及一种基于遥感和集成学习的作物产量预测方法，包括：(1)使用ArcGIS软件建立田块边界，并提取每个田块边界范围内的遥感光谱反射率、植被指数和产量数据，建立数据集；(2)利用Python中的sklearn包建立多种机器学习回归模型，并进行精度评价；(3)将多个精度较高的模型作为初级学习器，把多个所述初级学习器的预测输出作为次级学习器的训练数据集，训练所述次级学习器，得到作物产量的预测结果。本发明提供的作物产量预测方法只需要采集作物关键时期的遥感影像，没有涉及到产量模型中复杂的品种参数，减少了所需的数据，并且具有原理简单、技术成本低、稳定可靠等特点，可以满足不同场景下的商业用途。

技术领域

本发明涉及农业作物产量预测技术领域，特别涉及一种基于遥感和集成学习的作物产量预测方法。

背景技术

粮食作物的产量是与国家粮食安全和个人生活水平有关的最重要问题之一。在进行收获之前，及时准确地预测农作物产量，对制定收获管理以及下一年的种植计划具有非常重要的影响。另外，作物产量预测对农业保险服务提供了重要的信息。传统的地面调查方法需要大量人力物力，十分耗费时间，难以快速为政府部门提供有关信息，也无法适应进行农情管理的需求。遥感技术具有覆盖面积大、获取数据快速准确、空间与时间分辨率高、平台种类多样等优势，并且能够实现作物无损测量。因此，遥感技术成为研究作物长势与农情管理的有力手段，可以满足在作物收获之前进行大范围数据获取以及产量评估的需求。

目前作物单产估算模型种类众多，基于遥感技术的产量预测是应用最为广泛的方法之一。遥感光谱数据估产法基于遥感传感器获取得到的不同光谱波段数据以及利用不同波段间计算得到的光谱指数，将波段数据或植被指数与产量之间建立统计模型，来实现产量的估测。总体来讲，目前水稻遥感产量预测方法多样，但均使用单一机器学习算法，其虽各有不同优势，但整体精度一般，且不稳定。

发明内容

本发明要解决的技术问题是针对上述不足，提供一种基于遥感和集成学习的作物产量预测方法。

本发明是通过以下技术方案实现的：

一种基于遥感和集成学习的作物产量预测方法，该预测方法包括如下步骤：

(1)使用ArcGIS软件建立田块边界，并提取每个田块边界范围内的遥感光谱反射率、植被指数和产量数据，建立数据集；

(2)利用Python中的sklearn包建立多种机器学习回归模型，并进行精度评价；

(3)将多个精度较高的模型作为初级学习器，把多个所述初级学习器的预测输出作为次级学习器的训练数据集，训练所述次级学习器，得到作物产量的预测结果。

进一步的，所述的一种基于遥感和集成学习的作物产量预测方法，步骤(1)还包括将作物同一生长时期的无人机影像拼接成一幅正射影像图，并进行校正；将作物的卫星遥感影像进行图像校正。

进一步的，所述的一种基于遥感和集成学习的作物产量预测方法，步骤(1)中所述植被指数包括：

NDVI＝(NIR-RED)/(NIR+RED)；

NDRE＝(NIR-REDEDGE)/(NIR+REDEDGE)；

LCI＝(NIR-REDEDGE)/(NIR+RED)；

其中，NIR为近红外波段反射率，RED为红光波段反射率，REDEDGE为红边波段反射率。

进一步的，所述的一种基于遥感和集成学习的作物产量预测方法，步骤(2)还包括建立a折交叉验证，把数据集划分为a组，每次抽取a-1组作为训练集，剩下的一组作为测试集，选择最优的模型和参数，a＝4或5；使用网格搜索算法，通过遍历给定的参数组合优化模型表现。