在缺乏地面真值情况下预测作物产量:一种用于生长季内预报的简单统计模型
机器学习
2021-08-05 v3
摘要
我们提出一个完全自动化的生长季内作物产量预测模型,专为缺少国家级以下“地面真值”信息的场景设计。我们的方法主要依赖卫星数据,其特点是精细的特征工程结合简单回归模型。因此,它几乎可在全球任何地方使用。将其应用于 10 个不同的作物-国家组合(5 种谷物——玉米、小麦、高粱、大麦与小米,在 2 个国家——埃塞俄比亚与肯尼亚),我们在年内提前 9 个月的预测中取得 5%–10% 的 RMSE,在年内提前 3 个月的预测中取得 7%–14% 的 RMSE。该模型输出当年最终产量的每日预报。每个作物-国家组合使用约 400 万个数据点训练,包括:历史国家级年度产量、作物历、作物覆盖、NDVI、温度、降雨与蒸散量。
引用
@article{arxiv.2106.08720,
title = {Predicting crop yields with little ground truth: A simple statistical model for in-season forecasting},
author = {Nemo Semret},
journal= {arXiv preprint arXiv:2106.08720},
year = {2021}
}
备注
This version has been removed by arXiv administrators due to a copyright claim by a 3rd party