MBF-HybridNet：在极端气候下仍可提前一月预测冬小麦产量的多分支AI模型——Qingdao六县R² 0.756-0.765 MAPE 4.2%

方法

多分支并行架构，含2D卷积、自注意力与极端气候指数，2004-2019年留一年交

发现

在青岛六县三个累积生长阶段R²达0.756-0.765，MAPE约4.2%，极端气候下仍可提前一月预

机会点

可探索极端气候指数与深度学习结合在其他作物或区域的泛化能力，并提升可解释性。

MBF-HybridNet由青岛六县研究团队开发和测试：采用多分支并行架构，包括处理日常遥感和气象数据的动态变量模块、处理年度尺度极端气候指数数据的动态ECI模块以及处理土壤属性的静态变量模块。动态模块堆叠三个二维卷积层，插入自注意力机制；静态模块独立处理土壤有机碳、阳离子交换容量、pH、砂和粘土含量。研究团队计算了九个极端气候指数（热日、热应力强度、连续热日、霜日、冷应力强度、连续冷日、强降水日、连续湿日和连续干日）用于每个生长阶段。2004至2019年留一年交叉验证，MBF-HybridNet在三个累积生长阶段的R²达到0.756-0.765，平均绝对百分比误差约为4.2%。