农业工程学报

作者：陶建斌,王锦源,姜启樾,李梦绮,曹隽隽,

关键词：作物；物候知识, 贝叶斯网络, 种植模式制图

基金：42

农作物空间分布图是进行耕地利用方式监测、种植强度模拟、粮食估产以及农业可持续发展评估的基础数据。现有作物制图方法主要采用机器学习算法，对样本依赖度高且算法可移植性差。深度学习方法需要大量的训练样本，数据依赖的问题比较突出。而可靠的、大量的标记样本缺乏一直是深度学习方法的短板。农作物的生长过程有着相对稳定的周期性的节律并能被时序遥感数据捕捉到。该研究提出一种新的基于作物物候知识和贝叶斯网络的种植模式制图方法。通过提取作物的关键物候期特征，利用少量样本，对作物物候知识进行概率编码，构建种植模式制图的贝叶斯网络。选取种植模式较为复杂的区域进行实证研究，结果表明：1）在物候知识的引导下，不依赖样本（或仅利用少量样本），即可获得模型参数，且分类精度较高，制图总体精度达92%以上；2）该文提出的贝叶斯网络方法具有“弱学习-强推理”的能力，消解了推理过程中精度较低的拟合，将机器学习方法对数据的依赖程度降低了42%，有效增强了分类模型的可解释性，具有较好的鲁棒性和可移植性。/

来源：2026年第5期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第5期