融合物候信息和高光谱数据的小麦生物量估算模型的构建与应用

本发明涉及融合物候信息和高光谱数据的小麦生物量估算模型的构建与应用，旨在解决小麦生物量估计预测精度与可解释性难以平衡的技术问题。本发明将Boruta‑SHAP特征选择与基于注意力的神经网络相结合来估计小麦生物量，其包含了具有生理学意义的物候指标（GDD、GD、ZS），以及使用层次注意机制进行最佳选择的光谱特征。该模型能有效地捕获了作物发展的时间和光谱动态。SHAP分析显示，物候信息对模型性能的贡献为31.5%，其中关键的光谱特征包括NIR（22.9%）和SWIR1（12.3%），进一步提高了估计精度。该种稳健和可解释的框架模型通过提供一种可扩展的生物量估算方法，在小麦产量预测、施肥优化和灌溉管理方面具有潜在的广阔应用前景。