.png){kind=icon}
返回
Phase-Informed Cross-Variable Transformer for County-Level Corn Yield Estimation
.png){kind=icon}
PRE
AI
DOI：10.1109/lgrs.2026.3743156.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确县域尺度作物产量估算需要整合异质性环境观测数据，同时保留植被、气象和土壤水分变量所携带的独立信息。我们提出PICVT模型，一种跨变量Transformer，在跨变量交互之前结合静态上下文路由、季节性相位编码和变量特定标记化。该框架使用2008—2024年美国玉米产量记录进行评估，包含196,645个网格单元-年份样本，对应1,929个县域-年份产量记录。在五折前向链式评估下，PICVT在县域水平的R2为0.753±0.015，RMSE为1.153 t/ha，在相同输入和时序分割条件下优于评估的机器学习和深度学习基线。生长季内性能在8月达到R2=0.746，随后在10月几乎无显著提升。仅NDVI的基线表明植被动态携带大量产量相关信息，而温度、大气和土壤水分观测提供互补信号。消融实验和注意力分析进一步支持静态上下文、季节性排序和跨变量交互的独立作用。这些结果支持采用结构化多源表示进行县域尺度产量估算，并实现生长季内的渐进更新。
Keyword:
Crop yield estimation
multisource remote sensing
within-season prediction
cross-variable attention
variable-centric Transformer
查看更多机构