一种用于季前农业产量预测的可扩展机器学习系统

产量预测对农业利益相关者至关重要，可借助机器学习模型与多源数据实现。多数产量预测方案依赖 NDVI（归一化植被指数）数据，其获取与处理耗时较长。为给产量预测带来可扩展性，本文描述了一个系统，其融合卫星反演降水与土壤属性数据集、来自物理模型的季节性气候预测数据及其他来源，以在无需 NDVI 数据的情况下生成大豆/玉米的季前产量预测。该系统通过免除对高分辨率遥感数据的需求，并让农民能为气候对作物周期的 adverse 影响做好准备，提供了显著有用的结果。在我们的研究中，我们预测了巴西和美国的大豆与玉米产量，二者在2016年占世界粮食产量的44%。结果表明，大豆和玉米产量预测的误差指标与那些仅在作物周期头几周至几个月提供产量预测信息的类似系统相当。