Hierarchical cross-modal spatiotemporal attention network for crop yield prediction in complex Himalayan agroecosystems

引言 准确的作物产量预测对于精准农业、气候适应性农场管理以及及时决策至关重要。然而，由于作物生理、土壤条件、天气变异和管理措施之间复杂、非线性且多尺度的相互作用，产量预测仍然具有挑战性。传统的统计方法、机器学习以及深度学习方法，包括卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆（LSTM）网络，在捕捉长程时间依赖关系、层次化空间关系、异构数据模态以及预测不确定性方面往往存在局限。方法 本研究提出了一种用于作物产量预测的层次化跨模态时空注意力网络（HCM-STAN），采用统一的基于注意力的框架来整合异构农业环境数据。该架构包含四个主要组成部分：（i）在树、地块、果园和区域尺度上运行的层次化时空注意力；（ii）用于自适应融合基于物联网的土壤传感器观测、天气数据、植物生理测量和无人机多光谱影像的跨模态注意力模块；（iii）显式建模土壤记忆、滞后效应和根区动态的土壤感知注意力头；（iv）结合蒙特卡洛 dropout 和分位数回归以生成校准预测区间的不确定性感知预测模块。该框架使用2023—2026年在喜马拉雅苹果园采集的多源数据集进行了评估，该数据集包含三个商业果园中1，247棵监测树木。结果 所提出的 HCM-STAN 在提前四周作物产量预测中达到了0.89的 R²，相较于 CNN-LSTM 基线提升了15.6%。此外，零样本迁移至芒果园达到了0.67的 R²，相当于完整训练下所获性能的约75%。讨论 结果表明，整合层次化时空表征学习、跨模态注意力、土壤感知建模和不确定性估计，能够有效应对复杂山地农业生态系统中作物产量预测的异构性和动态性。观察到的零样本迁移性能进一步表明，HCM-STAN 具有在无需作物特定再训练的情况下跨作物系统泛化的潜力。总体而言，该 p