.png){kind=icon}
返回
Rice yield prediction base on UAV multispectral imagery using machine learning methods
.png){kind=icon}
OA
AI
DOI：10.1016/j.atech.2025.101549.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 来自关键水稻生长阶段的多时相无人机数据可以显著提高水稻产量预测的准确性。
• 气象数据的集成与仅使用植被指数相比，将产量预测精度提高了10.7%至12.9%。
• SHAP分析识别出抽穗期和分蘖期是决定产量的关键阶段。
• XGB模型在中国不同农业生态区的泛化能力表现出色。
Keyword:
Rice yield prediction
Data integration
Machine learning
Multi-temporal data
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
2.5K
被引数:
2.5K
机构
暂无机构信息
引用论文
Crop yield prediction using aggregated rainfall-based modular artificial neural networks and support vector regression基于聚合降雨的模块化人工神经网络和支持向量回归的作物产量预测
PREAI
分享收藏Wheat Growth Monitoring and Yield Estimation based on Multi-Rotor Unmanned Aerial Vehicle基于多旋翼无人机的小麦长势监测与估产OAAI
OAAI分享收藏Impact of Climate Change on Productivity and Technical Efficiency in Canadian Crop Production.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Effect of Temperature and Radiation on Indica Rice Yield and Quality in Middle Rice Cropping SystemPLANTS-BASELOAAI
PLANTS-BASELIF4.1
OAAI分享收藏Machine learning methods for crop yield prediction and climate change impact assessment in agriculture农业作物产量预测和气候变化影响评估的机器学习方法OAAI
OAAI分享收藏
查看更多内容