基于时空注意力的河南冬小麦长势预测
来源：江苏农业科学杂志2025年第第17期北京时间：
作者：赫晓慧;王劲勇;李盼乐;孟玉清;杨松林;程飞;陈丹;杨宏飞
单位：1.郑州大学地球科学与技术学院，河南郑州 450001； 2.河南省豫东水利保障中心三义寨分中心，河南开封 475002
摘要：小麦作为我国主要的粮食作物之一，对维护国家粮食安全具有至关重要的作用。但现有的作物长势预测方法存在时空依赖关系挖掘不足的问题，导致冬小麦长势预测精度受限。本研究提出一种时空注意力增强卷积长短期记忆网络(STAE-ConvLSTM)模型，实现基于遥感影像的冬小麦长势精准预测。该方法首先在卷积神经网络(CNN)基础上引入长短期记忆机制，同步提取农作物时序空间特征。在此基础上，引入自注意力机制进一步挖掘历史时空特征和当前时空特征的依赖性，并利用门控记忆机制提升长期时空依赖性挖掘的准确度。以河南省冬小麦种植区为例，基于2010—2023年MODIS NDVI产品和环境数据创建冬小麦长势数据集。结果表明，STAE-ConvLSTM在测试集上的均方根误差(RMSE)为0.068 3，r2为0.841 5。引入环境变量后，r2和RMSE分别提升至0.850 6和0069 7，其中地表土壤水、蒸散发、地表温度、坡向和降水量对模型准确性有正向影响作用，而高程和坡度对预测精度的影响较小，且高程对预测精度的负向影响较大。本研究为冬小麦长势预测提供了一种高精度方法，可有效提升冬小麦长势的预测准确度，也为深度学习技术在智能农业领域的应用探索提供了新途径。
关键词：冬小麦;长势预测;遥感;时空注意力;卷积长短期记忆网络
