一种基于环境数据与深度学习的水稻物候期智能预测方法

一种基于环境数据与深度学习的水稻物候期智能预测方法，属于于智慧农业技术领域。为实现对水稻物候期的精确预测，本发明包括获取水稻生长全年的环境数据与物候期数据，构建物候模型数据集；根据物候模型数据集进行数据预处理，用于后续的模型训练与预测；基于Seq2Seq模型的Encoder‑Decoder架构搭建水稻物候期预测模型，引入贝叶斯神经网络进行不确定性评估，制定物候模型更新判定标准；根据水稻生长周期划分出的8个物候期，训练水稻物候期预测模型；基于每日更新的环境数据进行实时预测和更新。本发明能够实时处理和分析每日气象数据，并动态更新物候期的预测结果，提升了农业生产的效率和效益。