【技术实现步骤摘要】
本专利技术涉及农业作物产量预测，并特别涉及一种空间自适应的作物产量预测方法及系统。
技术介绍
1、现有的作物产量预测技术主要包括但不限于以下四类：
2、(1)基于传统统计分析的方法，其主要核心是收集和分析大量的本地数据，以此为基础进行预测。但这种方法存在明显的弊端。首先，数据收集工作既耗时又费钱，尤其是当涉及到大规模的数据收集时。此外，由于数据收集和统计过程中人为因素的介入，这些数据经常出现误差，从而导致预测的不准确。例如，数据录入的错误、采样偏见以及其他统计问题都可能导致最终的预测结果出现偏差。
3、(2)依赖于对作物生长原理的深入理解来构建的模型。基于作物生长机制的预测方法则是尝试通过深入理解作物从种植到收获的各个阶段来预测其产量。这种方法的核心是对作物生长的各种因素，如土壤、气候、水分、光照等的综合考虑。但问题在于，作物生长是一个非常复杂的过程，受到多种因素的影响和相互作用。即使是经验丰富的研究者也很难完全理解并准确模拟这一过程。因此，过去的很多模型往往过于简化作物生长的各种因素，这导致它们在真实场景下的预
本文档来自技高网...【技术保护点】
1.一种空间自适应的作物产量预测方法，其特征在于，包括：
2.如权利要求1所述的空间自适应的作物产量预测方法，其特征在于，步骤1中该训练数据为多光谱图像序列X＝{X1,X2,...,Xt}，其中每个图像Xi∈Rb×h×w表示该区域在时间t的多光谱图像，其中b是遥感图像的波段数，而h和w分别是垂直和水平像素计数；
3.如权利要求1或2所述的空间自适应的作物产量预测方法，其特征在于，步骤3包括：
4.如权利要求2所述的空间自适应的作物产量预测方法，其特征在于，该2D卷积模块的卷积核大小为3*3。
5.一种空间自适应的作物产量...
【技术特征摘要】
1.一种空间自适应的作物产量预测方法，其特征在于，包括：
2.如权利要求1所述的空间自适应的作物产量预测方法，其特征在于，步骤1中该训练数据为多光谱图像序列x＝{x1,x2,...,xt}，其中每个图像xi∈rb×h×w表示该区域在时间t的多光谱图像，其中b是遥感图像的波段数，而h和w分别是垂直和水平像素计数；
3.如权利要求1或2所述的空间自适应的作物产量预测方法，其特征在于，步骤3包括：
4.如权利要求2所述的空间自适应的作物产量预测方法，其特征在于，该2d卷积模块的卷积核大小为3*3。
5.一种空间自适应的作物产量预测系统，其特征在于，包括：
6.如权利要求5所述的空间自适应...
【专利技术属性】
技术研发人员：李虎，龙隆，刘子辰，向炜，张玉成，程霖，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。