1  引言

遥感大数据以及高分辨率遥感卫星的发展快速，为农业精准化提供了新的技术支持和发展方向。2013年以来，随着高分辨率系列卫星的发射，为农业资源监测提供了强有力的支撑。遥感技术数据获取覆盖范围广、获取及时、更新速度快等特点，能够反映农作物在整个生育期的生长状况，使其在作物估产方面具有独特优势，目前基于遥感数据进行作物估产已经成为主流技术手段，使农作物产量估算迈入了新的时代。早期研究表明，利用遥感技术能够更加快速，精确的提取农作物作物面积，估算精度可高达92%，相对于传统的方法，解决了调查工作中调查基础资料的时效性和野外调查工作量大等问题（邬明权等，2014），并且遥感技术还能快速获取大范围农作物的信息。另外，LSTM深度学习模型已被证明能够适应不同类型和表示的数据，识别长时间跨度的序列模式并可捕获复杂的非线性关系，处理大容量数据，具备提前预测产量的能力。农作物产量与环境因素之间有着复杂的相互作用，环境变化，包括气候变化和土壤侵蚀等问题，都会对农作物产量产生影响（吕开宇等，2008；李林超，2023）。

基于以上研究，本文以辽宁省阜新蒙古族自治县为研究区域，将深度学习领域前沿的长短期记忆神经网络（LSTM）深度学习技术引入遥感大数据花生产量预测中，以花生为研究作物，研究基于高分辨率遥感大数据对农作物估产预测方法，从而建立一套基于深度学习模型以及改进融合模型的适用于高分辨率遥感大数据农作物产量预测的理论方法与技术体系。同时，利用通径分析了环境要素特别是气象要素对农作物产量的影响，对于花生生产的科学指导具有重要意义，同时对其他作物县域尺度产量估算具有借鉴和参考意义。

2  数据与方法

2.1  研究区概况

本文研究区位于辽宁省阜新蒙古族自治县如图1所示。阜新蒙古族自治县，简称“阜蒙县”，位于辽宁省西北部、阜新市中北部，毗邻8个县（市）、旗，地处科尔沁沙地南缘、地形以低山丘陵为主，属温带半干旱大陆性季节气候。阜新蒙古族自治县是花生种植大县，其花生种植面积稳定在170万亩，阜新花生，辽宁省阜新市阜新蒙古族自治县特产，2021年被评为全国农产品地理标志产品。

图 1 辽宁省阜新蒙古族自治县位置示意图，右侧遥感影像为哨兵2号真彩色数据，成像时间2022.08.24

2.2  数据获取

2.2.1 遥感及气象数据

遥感数据为多时序无云哨兵二号（Sentinel-2）影像，Sentinel-2影像是新一代多光谱影像，具有高时间、高空间分辨率等优势，包括从可见光、近红外到短波红外，具有不同的空间分辨率，最高的空间分辨率10 m，产品处理级别为L1C。

气象数据来源于POWER（https://power.larc.nasa.gov/data-access-viewer/），主要是阜新市蒙古自治县2009-2021年的5月份到10月份月平均气温、月平均最高气温、月平均最低气温、月极端最高气温、月极端最低气温、月极端最高气温日期、月极端最低气温日期、月平均降水量、月日照小时总数、月日照百分率、月平均湿度等以及在阜新市蒙古自治县五个试验点的实验数据。

2.2.3 花生种植面积及实测数据

本文于2023年7月19日-24日以及9月18日-22日，分别对阜新县农作物种植信息以及花生产量数据进行了实地考察。经调查，阜新地区种植的作物以玉米和花生为主，玉米、花生样本数量相近，且数量占比最多，其中花生作物种植面积约为136.785万亩，分类精度同采样验证点比较，精度可达90%。得到种植结构图如图2所示。另外，对采集的花生样品进行脱粒、烘干、测水分含量和湿重、干重、百粒重等一系列处理，得到一个点位的花生产量数据。

图2 种植结构分布图

2.3  研究方法

长短期记忆神经网络（LSTM）模型是一种特殊的RNN（Recurrent Neural Network，循环神经网络），用于解决传统RNN中存在的长期依赖传递过程中出现的“梯度爆炸”和“梯度消失”等问题，LSTM通过引入三个门（输入门、遗忘门和输出门）来控制信息的流动，通过三门有选择性的筛选数据，从而能够学习到长期依赖关系。

分析环境因素对产量影响，采用通径分析法，通径分析法的基本原理是基于标准化线性回归分析，通过对自变量和因变量进行标准化处理，可以计算出各自变量对因变量的直接效应和间接效应，用于研究多个变量之间的直接或间接影响，通过分解简单相关系数来研究各因素间的直接和间接影响效果的大小，即直接通径和间接通径（敬艳辉等，2006）。花生生长过程中，气象因子之间也会有相互的影响，采用通径分析法对阜新市的花生产量与气象关系进行分析，避免了相互分析中因子间造成的影响。通过查询阜新市5月到9月的气象因子，包括月平均温度，月平均降水以及月平均光照，用这三个作为变量，以阜新市的单位面积产量位因变量进行通径分析。

3  估产模型建立与预测结果

3.1  基于回归估产模型时序估产模型建立及预测结果

根据LSTM模型进行预测，LSTM估产模型为图3所示，散点图中的橙色斜线的斜率为1，其中，均方误差（RMSE）是一种度量模式预报结果与实际数据的均值偏差，其数值为50.09。关联系数RPD为2.33，RPD>1.4表示模式具有良好的预报能力。

图 3 LSTM估产模型

将经过花生种植面积裁剪的NDVI时序影像输入LSTM模型，即从6月5日到8月14日共6景影像数据，进行逐像元花生产量计算，最终得到阜新市2023年花生产量预测结果分布图，如图4所示。计算出所有点位处花生实际的产量值，得到采样数据的平均产量为400（千克/亩）。

图4 估产结果分布图

3.2 环境因素影响分析

利用通径方法分析，将阜新市5月至9月的平均温度降水和光照作为变量，以阜新市花生的产量为因变量得到各因子之间的相关系数，并且通过计算可得到表1，通过直接通径系数可知，在花生生长的时期，对花生产量影响最大的是温度与降水。通过间接通径系数可知，温度通过降水和光照间接影响产量影响较小，降水有通过其他因子的影响，主要因子是温度，影响总和为正效应。光照虽然直接通径系数较小，但是通过影响温度和降水间接影响产量大，通过其他因子的间接通径总和为负效应。

表1 各因子的相关系数及其通径系数

4  结论

通过准确预测作物产量，可以帮助农民合理安排生产计划，优化资源配置，提高农业生产效率和经济效益等。现今，由于遥感技术的发展，其在农作物估产忠的应用具有高精度的数据获取，能够用于大范围的实时监测与预测农作物情况。深度学习法有着强大的提取和识别能力，在通过训练神经网络，可以从大量的遥感技术图像信息中自动识别并且提取对于我们有用的信息，将遥感技术与深度学习方法相结合，可以有效的提高农作物产量预估的准确性和可靠性。并且通过通径分析法，将三要素（温度、降水和关照）对花生的影响分为直接效应和间接效应，分析了三要数对产量的影响，温度和降水对产量的直接影响大，而光照的间接影响大。

参考文献

[1]安 秦 , 陈 圣 波 , 孙 士 超 . 基 于 多 时 相 MODIS-RVI 的 玉 米 遥 感 估 产 研 究 [J]. 地 理 空 间 信 息,2018,16(03):14-16,8.

[2]贺振,贺俊平.基于 NOAA-NDVI 的河南省冬小麦遥感估产[J].干旱区资源与环境,2013,27(05):46-52

[3]敬艳辉,邢留伟.通径分析及其应用[J].统计教育,2006(02):24-26.

[4]靳华安,王锦地,柏延臣,陈桂芬,薛华柱."基于作物生长模型和遥感数据同化的区域玉米产量估算[J]. 农业工程学报 28.06(2012):162-173

[5]李旭.浅析粮食安全生产的时代重要性[J]. 南方农业, 2015, 9(12): 183-187.

[6]李林超.气候变化对作物生长和产量影响的模拟及不确定性研究[D]. 西北农林科技大学, 2023. DOI:10.27409/d.cnki.gxbnu.2023.000092.

[7]吕开宇,许健民,娄博杰.环境变化对农业产出的影响[J].中国农村经济,2008,No.280(04):63-72.

[8]刘珍环,杨鹏,吴文斌,等. 自然环境因素对农户选择种植作物的影响机制——以黑龙江省宾县为例 [J]. 中国农业科学, 2013, 46 (15): 3238-3247.

[9]聂建博,杨斌.基于遥感技术的大范围农作物长势监测方法[J].计算机仿真,2020,37(09):386-389+394.

[10]蒙继华,吴炳方,杜鑫等.遥感在精准农业中的应用进展及展望[J].国土资源遥感,2011,No.90(03):1-7.

[11]秦元伟,赵庚星,姜曙千,程晋南,孟岩,李百红,许国臣,韩吉光.基于中高分辨率卫星遥感数据的县域冬 小麦估产[J].农业工程学报,2009,25(07):118-123.

[12]权畅,景元书,谭凯炎.气候变化对三大粮食作物产量影响研究进展[J].中国农学通报,2013,29(32):361-367.

[13]任建强，陈仲新，唐华俊，等. 基于遥感信息与作物生长模型的区域作物单产模拟[J]. 农业工程学报，2011，27(8)：257－264

[14]任建强，陈仲新，周清波，等．MODIS 植被指数的美国玉米单产遥感估测［J］．遥感学报，2015， 19(4) : 568-577．

[15]王惠文,孟洁.多元线性回归的预测建模方法[J].北京航空航天大学学报,2007,No.170(04):500-504.

[16]邬明权,杨良闯,于博等.基于遥感与多变量概率抽样调查的作物种植面积测量[J].农业工程学报,2014,30(02):146-152..

[17]王鹏新,齐璇,李俐,王蕾,许连香.基于随机森林回归的玉米单产估测[J].农业机械学报,2019,50(07):237-245.

[18]于海洋,陈圣波,杨北萍,安秦.基于遗传算法优化BP神经网络的玉米遥感估产方法[J].世界地质,2020,39(01):208-214.