近日，地球科学与技术学院遥感与地理计算团队在粮食估产方面取得重要进展，分别在地学领域Top期刊《International Journal of Applied Earth Observation and Geoinformation》以及知名期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》发表了题为“Crop yield prediction from multi-spectral, multi-temporal remotely sensed imagery using recurrent 3D convolutional neural networks”和“Exploiting Hierarchical Features for Crop Yield Prediction Based on 3-D Convolutional Neural Networks and Multikernel Gaussian Process”的系列研究成果。其中，郑州大学为第一作者单位，博士生乔梦佳为第一作者，地球科学与技术学院赫晓慧教授为通信作者，田智慧教授为团队带头人。

农作物的生长过程涉及到复杂的光谱以及时间变化，准确并且及时的对农作物产量进行预测一直具有较大的研究意义。深度学习的发展为监测大范围、长时间序列的农作物产量提供了新的技术手段。该系列论文将遥感与人工智能进行结合，利用长时间序列多光谱遥感影像，基于循环卷积网络与三维神经网络，构建一种三维循环卷积的农作物估产模型，可以有效挖掘农作物生长过程中的光谱特征以及时间特性，为农作物估产提供了新的思路。论文同时在中国县级尺度上对冬小麦与玉米产量进行预测，结果证明该模型可以在农作物成熟前一个月对产量进行精确预测。

该成果依托《全球综合观测成果管理及共享服务系统关键技术研究》国家重点研发专项以及《面向超算的黄河模拟器构建与服务关键技术研究》河南省重大科技专项，是地球科学与技术学院遥感与地理计算方向重要成果之一。

文章链接：https://ieeexplore.ieee.org/document/9404810

 https://www.sciencedirect.com/science/article/pii/S0303243421001434