基于CNN和LSTM深度学习算法的作物播期差异遥感识别

来源：农业机械学报杂志2026年第2期北京时间：

作者：白燕英，苗丰，李二珍，范泽华

单位：内蒙古农业大学,内蒙古农业大学,五原县农牧业技术推广中心,内蒙古河套灌区水利发展中心供排水管理处,

摘要：作物播期差异遥感识别可为精准农业和智慧农业提供空间数据支撑，对推动农业生产从“经验驱动”向“数据驱动”转型具有重要价值。本研究融合双阈值决策与深度学习算法，基于Landsat 8/9 OLI影像数据和野外采样数据，提取作物NDVI时序特征曲线，揭示作物出苗至生长旺盛期（4月25日—7月30日）的动态特征，识别作物早晚播差异的敏感生育阶段。计算敏感生育阶段作物整体生长斜率和相邻时相NDVI差值。生长斜率大于样本平均值且NDVI差值大于样本平均值时判定为早播样本，否则为晚播样本。采用随机森林（RF）、人工神经网络（NNC）机器学习模型和卷积神经网络（CNN）、长短期记忆网络（LSTM）深度学习模型对作物播期差异进行遥感识别。结果表明，作物早晚播敏感生育阶段内早播作物NDVI均值普遍比晚播作物高0.1~0.3，且早播作物生长进程显著提前，玉米快速生长期提前7~13d，葵花提前10~16d，西葫芦生长高峰期提前12~24d，番茄提前5~20d，瓜类提前18~35d。作物分类结果表明RF与CNN模型表现较优，其总体分类精度分别达91.77%和90.66%，Kappa系数分别为0.91和0.90，均能有效区分玉米、葵花、西葫芦、瓜类和番茄这5类作物的早播与晚播情况。经过对各模型分类结果的细节对比，CNN分类图像更连续且破碎度更低，在田埂识别与地块边界区分上优于其他模型，选取CNN模型为最优分类模型。

关键词：早晚播;NDVI时序特征;作物分类;深度学习;遥感

基金资助：内蒙古自治区自然科学基金项目（2023LHMS05014）、内蒙古自治区科技计划项目（2025YFHH0097）和内蒙古自治区科技重大专项（2021ZD0003）