A comparative analysis on maize yield prediction using sentinel 2A and Landsat 8 satellite image in Sundarganj, Gaibandha, Bangladesh

方法

基于最大NDVI单期影像与20个农户地块产量做回归，比较两种卫星。

发现

Sentinel 2A预测绝对平均误差6.70%，优于Landsat 8的10.30%。

机会点

可探索多时相NDVI与机器学习融合，提升小农户尺度玉米估产精度与迁移性。

玉米是孟加拉国重要的谷类作物。过去二十年间，其种植面积增长显著，尤其是在孟加拉国北部地区。在区域尺度上有效估算作物产量对于促进农业部门决策、进而保障粮食安全具有重要意义。传统的地面测量技术效率低下，亟需一种可靠、精确且有效的区域作物产量估算方法。本研究采用遥感（RS）技术预测收获前玉米产量，以改进管理体系。目前，归一化植被指数（NDVI）被广泛用于预测包括玉米在内的作物产量。然而，本研究利用Landsat 8（约30 m）和Sentinel 2A（约10 m）高分辨率数据，基于2018—2019年和2019—2020年的数据，对盖班达县孙达尔甘杰乌帕齐拉2020—2021年的玉米产量进行预测。在每个玉米生长期，选取两颗卫星影像中NDVI最大值对应的单幅无云影像获取日期，用于建立产量预测模型。对NDVI值与20户农民田块级玉米产量进行回归建模。与2020—2021年实际玉米产量相比，Landsat 8的绝对平均预测误差约为10.30%，Sentinel 2A约为6.70%。研究表明，利用Sentinel 2A高分辨率卫星影像提取的NDVI数据可成功用于预测玉米产量，且精度令人满意。最后，本研究证明了结合多时相遥感数据进行准确玉米产量估算的有效性，有助于农业主管部门和生产企业在当季及时制定和完善种植策略与管理政策。Bangladesh J. Agril. Res. 51(1): 501-521, March 2026