使用遥感数据的人工神经网络模型进行作物产量预测的自变量选择

了解当前生长季节的预期作物产量为农民、政策制定者和食品加工厂提供了宝贵的信息。使用可靠预测工具的主要好处之一是为种植的作物带来更多收入。在收获前了解作物产量有助于指导采取适当的农业产品管理策略。创建预测模型的难点与自变量的适当选择有关。其正确选择需要对研究对象有充分的了解。本文介绍并讨论了基于人工神经网络（ANNs）的农业作物产量预测建模中常用的自变量。特别关注环境变量，如气候数据、空气温度、总降水量、日照和土壤参数。分析了植物生产力指数和植物指数的应用可能性，这些是由于应用遥感技术而获得的有价值的预测指标。论文强调，遥感和摄影测量工具的日益普及使精准农业的发展成为可能。此外，还具体说明了某些输入变量应用的限制，以及使用人工神经网络作为支持精准农业技术实际应用和改进的工具进行非线性建模的进一步可能性。