Двадцать третья международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXIII.F.562
Применение методов глубокого обучения при заблаговременном прогнозе урожайности озимой пшеницы по данным ДЗЗ
Мещеряков А.В. (1), Яременко Д.П. (2), Трошко К.А. (1), Сычков А.А. (1), Денисов П.В. (1)
(1) Институт космических исследований РАН, Москва, Россия
(2) МГУ имени М.В. Ломоносова, факультет вычислительной математики и кибернетики, Москва, Россия
Задачи прогноза урожайности культур по спутниковым данным представляют большой интерес. В последние годы для анализа данных ДЗЗ активно применяются модели ИИ (глубокие нейронные сети и классические подходы машинного обучения), что позволяет более полно использовать потенциал данных ДЗЗ в с/х исследованиях.
В работе сделан обзор нейросетевых методов решения задачи измерения урожайности (crop yield prediction) озимой пшеницы. Обсуждается влияние исторических данных по урожайности культуры на точность прогноза модели, а также, вопрос устойчивости нейросетевого прогноза урожайности к изменениям погодных условий.
На примере выбранного региона России, показаны возможности нейросетевых подходов для заблаговременного прогноза урожайности озимой пшеницы по результатам спутниковых наблюдений.
Ключевые слова: Урожайность, прогноз, нейронные сети, дистанционное зондирование
Дистанционное зондирование растительных и почвенных покровов