美国大豆县级单产预测模型

遥感指数与单产、优良率的相关性分析

• 时间规律：相关性峰值时间随纬度变化，低纬度地区（如Arkansas州、Illinois州）主要出现在6月和7月，高纬度地区（如NorthDakota州、Minnesota州）则延迟至8月和10月。
• 空间规律：相关性强度受地形影响显著，平原地区（如Iowa州、Illinois州）相关性较高，山地、丘陵地区（如Tennessee州、Kentucky州）相关性较低。
• 指数效果比较：NDVI和EVI指示性最佳，NPP次之，LAI与单产的相关性最弱。

县级（county-level）单产预估

• 参与计算特征变量：6月至10月的月平均EVI、LAI、NDVI和NPP值，以及月均温度、月均降水、干旱指数和经纬度信息。
• 预测方法：主成分分析（PCA）降维后，使用XGBoost和LSTM进行模型训练。
• 模型预测效果：XGBoost模型的R方为0.8453，MAE为3.2367，RMSE为4.2740；LSTM模型的R方为0.8562，MAE为3.1119，RMSE为4.1149，预测偏差大多在3.1蒲/英亩内。
• 特征重要性分析：7月和8月的NDVI值、7月的EVI值以及地理位置（经纬度）是预测模型中贡献度最高的关键变量。

结论与局限性

• 结论：不同纬度区域的最佳观测时间段和主要观测指标不同，NDVI和EVI是估产的主要观测指标，LSTM模型在预测性能上略优于XGBoost。
• 局限性：县级尺度的预测结果在实际应用中价值有限，受限于历史数据样本量，目前未能训练出效果较好的州级或全国尺度的大豆单产预测模型。

风险提示

• 模型效果随训练数据变化，带有不确定性。