融合热力图与气象数据的县域麦收面积快速预测方法OA

针对现有麦收监测时效性滞后的问题,该研究提出一种融合热力图与气象数据的县域麦收面积快速预测方法。该方法以全国农机轨迹大数据平台提供的作业轨迹为基础,通过核密度生成麦收作业热力图,利用ResNet-152提取热力图空间特征,并融合截至当日11:00的累积降水量、平均温度和平均湿度等气象因子,采用随机森林建立回归模型,以轨迹后处理形成的县域日尺度真实收获面积作为监督目标,实现基于上午信息的当日最终累计麦收面积快速预测。选取中国冬小麦主产区山西、陕西、河南、河北、江苏、安徽、湖北、山东8省40个县域,基于2021—2023年5月25日—6月25日多源数据开展试验验证。结果表明:在40个县域的独立建模与验证中,各县域模型决定系数均高于0.6,平均为0.71,最高达0.91;归一化均方根误差介于0.06~0.21,平均为0.14,表明模型具有较好的预测精度与稳定性。该研究方法可在同日中午将结果产出时间提前约20 h,可为麦收期跨区农机调度、作业资源协调与灾害应急响应提供及时的量化依据。