本研究提出了一种新型深度集成模型RicEns-Net，通过融合SAR、光学遥感和气象数据，显著提高了作物产量预测的精度。实验结果表明，该模型性能优于现有方法。

研究人员利用93,028个训练记录的数据集，预测了10,337个测试记录的作物产量。他们开发了两种新颖的卷积神经网络架构，并使用广义集成方法确定了最优模型权重。模型在测试数据上表现更好，具有较低的均方根误差和更高的相关系数。研究人员还将模型应用于基因型的识别，并通过特征重要性分析突出了地点、MG、年份和基因型的重要性，以及气候变量的重要性。