Herald of the Azerbaijan Engineering Academy·9月29日 · 周二论文农业遥感与作物表型阅读 3
Forecasting Cotton Productivity in the Mil-Mugan Economic Region using Climate Variables and Remote Sensing Data
B.H. Babashli
论文解读
63接近精选线
速览
结合Sentinel-2 NDVI与气候变量，构建多元模型预测米尔-穆甘地区棉花产量。
方法
Sentinel-2 NDVI、ERA5-Land温度、CHIRPS降水，GEE
发现
NDVI是产量主控因子，模型跨区预测精度约90%，可用于区域估产。
机会点
可引入多时相NDVI与机器学习，提升跨区域迁移性和极端气候下的估产鲁棒性。
影响力8
信息增量20
专业深度16
信源权威10
时效性9
基于Sentinel-2与气候变量的棉花产量预测模型，方法扎实、精度达90%，但属区域案例研究，公共影响有限。
原文摘要
卫星影像被认为是评估和预测农业系统产量最有价值且最实用的数据来源之一。本研究旨在通过整合植被指数与气候变量，预测米尔-穆甘经济区棉田的生产力。NDVI指标源自Sentinel-2数据，温度（T）取自ERA5-Land数据，降水（R）来自CHIRPS数据库。数据在Google Earth Engine、ArcGIS Pro和Python环境中进行分析，并将其整合为统一的时空维度。通过相关性与回归分析评估了NDVI、温度、降水与生产力之间的关系，进而构建了多变量模型。模型结果表明，NDVI是影响生产力的主要因素。将为某一区域开发的模型应用于其他三个地点，并使用R²和RMSE指标评估实际值与预测值之间的相关性。结果表明，模型的预测精度在90%范围内波动，被认为适用于预测区域棉花产量。本研究结果对于利用卫星数据加强农艺决策的业务化监测与规划具有重要意义。