长时间序列气象数据结合随机森林法早期预测冬小麦产量.pdfVIP

第35 卷 第6 期 农 业 工 程 学 报 Vol.35 No.6 158 2019 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2019 ·农业信息与电气技术· 长时间序列气象数据结合随机森林法早期预测冬小麦产量 1,3 1,3 2,3 1 刘峻明 ，和晓彤 ，王鹏新 ，黄健熙 （1. 中国农业大学土地科学与技术学院，北京100083；2. 中国农业大学信息与电气工程学院，北京100083； 3. 农业部农业灾害遥感重点实验室，北京 100083 ） 摘 要：冬小麦生育早期的产量预测对于制定冬小麦整个生长期的精准管理决策具有重要参考意义。该文基于随机森林 算法，采用1990—2015 年河南省小麦平均拔节期至平均抽穗期地面观测气象数据与统计产量数据，分别提取不同穗分化 期的温湿度、降水等47 个气象要素和小麦种植区经纬度、高程3 个空间要素，共计50 个参数作为特征变量集，以实际 单产、气象产量和相对气象产量分别作为目标变量，构建多种变量组合模型对冬小麦产量进行回归预测，并结合袋外数 据重要性结果对产量影响因子进行分析。研究结果表明：1）使用气象产量和相对气象产量作为目标变量建模的预测效果 优于单产模型，决定系数R2 均达到0.8 以上，气象产量的平均绝对误差（mean absolute error ，MAE ）和均方根误差（root mean square error ，RMSE ）分别为415 和558 kg/hm2 ，相对气象产量的MAE 和RMSE 分别为0.07 和0.09 ；2 ）相较于气 象特征，空间特征在产量预测中起决定性作用，且小花分化期以及抽穗开花期的气象特征产量预测精度高于其他穗分化 期；3 ）在气象特征中，利用袋外数据变量重要性得出平均温度、最低温度、负积温、最高温度在不同生育阶段对产量的 影响程度。该研究结果为冬小麦生育早期产量预测提供了新的思路和方法。 关键词：模型；温度；随机森林；产量预测；冬小麦 doi ：10.11975/j.issn.1002-6819.2019.06.019 中图分类号：S127 ；S512.1+ 1 文献标志码：A 文章编号：1002-6819(2019)-06-0158-09 刘峻明，和晓彤，王鹏新，黄健熙. 长时间序列气象数据结合随机森林法早期预测冬小麦产量[J]. 农业工程学报，2019 ， 35(6) ：158－166. doi：10.11975/j.issn.1002-6819.2019.06.019 Liu Junming He Xiaotong Wang Pengxin, Huang Jianxi. Early prediction of winter wheat yield with long time series meteorological data and random forest method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 158－166. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.06.019 [8] [9-10] 影响 ；姜新等 分别建立了基于叶面积指数、生物量等 0 引 言 作物参数以及农机水平的人工神经网络（art