一种利用多源数据进行水稻病害时空预测的物理信息混合深度学习模型

摘要

研究提出物理信息混合门控循环单元（PI-HGRU）模型，用于预测由真菌引起的水稻纹枯病时空动态。该模型将描述病害传播动力学的微分方程作为机制约束嵌入HGRU框架，并以2000—2016年中国南方16个水稻主产省的17年多源数据训练和评估，数据涵盖田间病害观测、遥感、气象和土壤属性。针对不规则采样和序列长度不一致，研究采用滑动时间窗预测框架，并通过敏感性分析配置输入时间窗和滞后时间。相较纯数据驱动的HGRU基线，PI-HGRU的r²提高22.8%，RMSE和MAE分别降低10.2%和18.0%。中间变量分析显示，传播率β(t)与输入时间窗内的环境条件存在可解释关系。