近日，地球科学与技术学院遥感与地理计算团队在粮食产量智能预测方面取得重要进展，在计算机领域Top期刊《Information Sciences》发表了题为“KSTAGE: A knowledge-guided spatial-temporal attention graph learning network for crop yield prediction”的文章。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。

及时并且准确的对农作物产量进行预测，对于维护粮食安全、提升农业收益具有重要的意义。深度学习的快速发展为农作物产量智能化预测提供了新的方法和机遇。以此为出发点，该论文提出了一种新的农作物产量智能预测模型，以农作物生长过程中的先验知识为驱动，结合Transformer模型，构建了可以感知农作物生长趋势变化的图注意力机制。同时，论文进一步结合图卷积网络，对预测单元之间复杂的空间相关关系进行建模。最终，该模型分别在中国县级冬小麦和玉米以及美国县级大豆产量预测上进行了测试，结果表明该模型可以实现对不同地区、不同作物产量的精准预测。该论文的成果为监测大范围、长时间序列的农作物产量变化提供了新的技术手段，有效促进了农业的智能化发展。

该成果依托《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://www.sciencedirect.com/science/article/pii/S0020025522012385