1. 研究目的与意义（文献综述）

1.1 研究背景与意义

作物产量是农田耕种的最终目的, 也是评估农田生产力和农民收益的直接指标, 是国家和农民最为关心的事情之一^[1]-[2]。及时有效的作物产量估算和预报不仅可以为国家决策服务，确保粮食安全，还可以为农民的粮食储藏和粮食交易提供指导^[3]。

2. 研究的基本内容与方案

2.1 研究目标

典型的作物估产模型中，作物生长模型、光能利用率模型需要结合人工区域调查方法，利用农学、气象学、统计学知识，建立作物估产模式，该方法速度慢、工作量大、成本高，且不利于时空动态监测。经验统计模型基于遥感波段本身或者遥感波段变换建立估产模式，该模型体现了遥感数据在时间、空间分辨率上的优势，在估产精度和时效性上都有较大的提升，但在作物生长关键期选择、遥感图像特征充分提取、多因素非线性问题处理等方面都存在缺陷。

因此，本研究结合遥感技术和深度学习技术，基于作物整个生长发育期的时间序列遥感图像，考虑地表反射率、温度、作物覆盖类型等多种因素，建立基于lstm网络的作物估产模型。本研究旨在优化作物估产模型，提高作物估产时效性与精确性，为粮食预测提供指导意义。

3. 研究计划与安排

2019.1.15-2019.2.20 国内外相关资料查阅与学习

2019.2.21-2019.3.20 资料整理、外文翻译、论文开题

2019.3.21-2019.4.15 数据采集、处理、分析与总结

4. 参考文献（12篇以上）

[1] 程志强. 作物单产估算模型研究进展与展望[j]. 中国生态农业学报, 2015,23(4):402-415.

[2] 刘红超, 梁燕, 张喜旺. 多时相影像的冬小麦种植面积提取及估产[j]. 遥感信息,2017(5).

[3] 黄晓军, 李秉柏. 雷达遥感影像在水稻信息提取及估产方面的技术研究[j]. 江苏农业科学,2009(6).