A multiobjective optimization spatial sampling method for regional yield potential estimates using multisource environmental data

doi:10.1016/j.eja.2026.128221

A multiobjective optimization spatial sampling method for regional yield potential estimates using multisource environmental data

2026-09-01

0

PRE

AI

DOI：10.1016/j.eja.2026.128221

原文链接

原文求助

摘要

En 中文

在作物生长模型区域应用方面，通过空间抽样选择典型农业站点可有效降低区域数据采集成本并确保模拟结果的空间代表性。以中国主要冬小麦产区为研究区，基于129个农业站点的数据，提出了一种结合条件拉丁超立方抽样（cLHS）和多路径空间模拟退火（MP-SSA）的多目标优化空间抽样方法，并将其性能与分层空间抽样（SSS）进行比较。结果表明，SHapley Additive exPlanations（SHAP）方法能够识别关键环境变量，包括数字高程模型（DEM）、3月日照时数（SSD3）和3月叶面积指数（LAI3）。基于特征空间（FS）和地理空间（GS）设计的多目标优化函数（MOOF），其抽样精度高于仅利用FS或GS的方法。当样本量小于30时，FGS方法的P值显著小于FS、GS和SSS抽样方法，且区域产量潜力的误差均在300 kg/ha以内。通过为每个目标设置独立的退火路径，MP-SSA方法避免了传统算法易陷入局部最优的问题，并在属性代表性和空间代表性之间实现了平衡。当样本量达到50时，不同优化函数的抽样结果趋于稳定。本研究提出的方法可用于确定具有自然环境显著代表性的典型农业站点，确保区域产量潜力模拟的最优估计。

Keyword:

Yield potential

Spatial sampling

WheatGrow model

Environmental variables

A multiobjective optimization spatial sampling method for regional yield potential estimates using multisource environmental data

摘要

期刊

机构

引用论文