[论文解读] Extreme Gradient Boosting for Yield Estimation compared with Deep Learning Approaches

Florian Huber, Artem Yushchenko+2 more|arXiv (Cornell University)|Aug 26, 2022

Remote Sensing in Agriculture被引用 12

一句话总结

本文提出一种基于特征的流程，利用时间序列遥感数据应用极端梯度提升（XGBoost）进行大豆产量预测，其性能与最先进深度学习模型相当。该方法在美国农业部大豆数据集上，RMSE 指标较两种最先进深度学习方法至少提升 25%，同时通过 Shapley 值特征重要性分析实现了模型可解释性。

ABSTRACT

Accurate prediction of crop yield before harvest is of great importance for crop logistics, market planning, and food distribution around the world. Yield prediction requires monitoring of phenological and climatic characteristics over extended time periods to model the complex relations involved in crop development. Remote sensing satellite images provided by various satellites circumnavigating the world are a cheap and reliable way to obtain data for yield prediction. The field of yield prediction is currently dominated by Deep Learning approaches. While the accuracies reached with those approaches are promising, the needed amounts of data and the ``black-box'' nature can restrict the application of Deep Learning methods. The limitations can be overcome by proposing a pipeline to process remote sensing images into feature-based representations that allow the employment of Extreme Gradient Boosting (XGBoost) for yield prediction. A comparative evaluation of soybean yield prediction within the United States shows promising prediction accuracies compared to state-of-the-art yield prediction systems based on Deep Learning. Feature importances expose the near-infrared spectrum of light as an important feature within our models. The reported results hint at the capabilities of XGBoost for yield prediction and encourage future experiments with XGBoost for yield prediction on other crops in regions all around the world.

研究动机与目标

• 开发一种可扩展、可解释的作物产量预测流程，结合 XGBoost 与遥感数据。
• 解决深度学习在农业产量预测中固有的局限性，特别是对数据量的高需求和缺乏可解释性。
• 在真实世界的大豆产量数据集上，评估 XGBoost 与最先进深度学习模型的性能表现。
• 通过基于 Shapley 值的特征重要性分析验证模型的可信度，并与领域专业知识保持一致。
• 证明基于 XGBoost 的方法在大豆以外的其他作物和地理区域中的可推广性。

提出的方法

• 将时间序列多光谱卫星图像（如来自 MODIS 或类似来源）转化为紧凑且有意义的特征向量，利用时间与光谱统计特征。
• 将 XGBoost 作为核心回归器，基于提取的特征表示预测最终大豆产量。
• 采用多阶段数据流程：图像获取 → 时间特征提取（如均值、最大值、趋势、植被指数）→ 模型训练。
• 使用 Shapley 值计算特征重要性，实现模型可解释性，并与已知农业指标对齐。
• 在覆盖美国各县、具有时空覆盖范围的美国农业部年度大豆产量数据集上进行模型训练与评估。
• 使用 RMSE 和 R² 等标准指标，将 XGBoost 与两种最先进深度学习架构进行基准对比。

实验结果

研究问题

• RQ1 当应用于遥感数据进行大豆产量预测时，XGBoost 是否能实现与最先进深度学习模型相当或更优的预测精度？
• RQ2 在不同测试划分和区域中，XGBoost 与深度学习模型在 RMSE 和 R² 指标上的表现如何比较？
• RQ3 根据 XGBoost 模型，哪些光谱和时间特征对大豆产量最具预测力？这些特征是否与专家知识一致？
• RQ4 使用 Shapley 值在多大程度上增强了农业产量预测中模型的可信度与可解释性？
• RQ5 所提出的基于 XGBoost 的流程是否可推广至美国大豆以外的其他作物和地理区域？

主要发现

• 基于 XGBoost 的方法在美国农业部大豆产量数据集上，RMSE 指标较两种最先进深度学习模型至少提升 25%。
• XGBoost 在性能上与深度学习模型相当，表明当结合恰当的特征工程时，树模型在产量预测中可极为有效。
• Shapley 值分析显示，近红外（NIR）波段是最重要的特征，与作物监测和植被指数的既定知识一致。
• 模型的特征重要性与专家对物候发育和植物健康的理解一致，从而增强了模型的可信度。
• 所提出的流程实现了高效、可解释且准确的产量预测，无需大规模深度学习基础设施或海量数据。
• 该方法在其他作物和区域（尤其是玉米和小麦等具有年度生长周期的作物）中展现出强大的可迁移潜力。