Key points are not available for this paper at this time.
원격 감지 데이터에 의한 곡물 수확량 예측은 밀과 옥수수에서 집중적으로 연구되었지만, 쌀, 보리, 귀리 및 콩에 대한 정보는 제한적입니다. 본 연구는 기술 개발, 비료 사용 및 관리 개선의 영향을 제거하고, 지역 쌀 수확량 예측의 개발 및 구현에 사용할 수 있는 새로운 쌀 수확량 예측 프레임워크를 제안합니다. 이 기술은 적절한 시간 프레임에 걸쳐 원격 감지 데이터를 수집하고 해당 지역의 작물 수확량 기록을 요구합니다. 쌀 수확량 예측을 위해서는 짧은 시간대보다 긴 정상화 차이 식생 지수(NDVI) 시간 시계열이 바람직합니다. 긴 시간 시계열의 잘 대비된 계절은 광범위한 응용 범위를 가진 회귀 모델을 구축할 기회를 제공합니다. 수확량과 연도 간의 회귀 분석은 쌀 수확량이 연간 50에서 128 kg ha(-1) 증가한다는 것을 나타냈습니다. 원격 감지 쌀 수확량 예측을 위한 단계적 회귀 모델이 중국의 다섯 개 전형적인 쌀 재배 성에서 개발되었습니다. 원격 감지 쌀 수확량에 대한 예측 모델은 NDVI가 쌀 수확량에 미치는 영향이 항상 긍정적이라는 것을 나타냈습니다. 1982년부터 2004년까지 예상 수확량과 관측 수확량 간의 연관성은 명백한 이상치 없이 매우 유의미했습니다. 독립적인 검증 결과, 전체 상대 오차는 약 5.82%로, 연구 지역에 따라 2005년과 2006년에 대부분의 상대 오차가 5% 미만이었습니다. 제안된 모델은 중국의 주 수준에서 쌀 수확량을 예측하는 운영적 맥락에서 사용할 수 있습니다. 현재 논문에 설명된 방법론은 NDVI 데이터의 충분한 시계열과 해당 역사적 수확량 정보가 제공되는 모든 작물에 적용될 수 있으며, 역사적 수확량이 유의미하게 증가하는 한 가능합니다.
Huang et al. (Tue,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: