基于机器学习算法的冬小麦始花期预报方法

该研究采用机器学习算法,明确冬小麦始花期的主要气象影响因子,并建立始花期预报模型。基于1980-2019年江苏省10个观测点冬小麦生育期观测资料和逐日气象数据,应用随机森林(Random Forest,RF)、反向神经网络(Back Propagation,BP)、多元线性回归(Multiple Linear Regression,MLR)3种算法分别建立始花期预报模型,以决定系数、均方根误差、预报准确率为评判指标,对模型模拟精度进行比较分析。结果表明,温度类因子对始花期影响的重要性明显大于降水类和日照类。基于筛选出的重要特征变量,3种算法建立的始花期预报模型均可在4月初对始花期进行预报,最迟可提前5d预报,最早可提前32d预报;RF算法模拟精度最高,BP算法次之,MLR算法相对低一些;RF算法能准确模拟出始花期波动趋势,大部分站点的始花日期预报准确率都在85.0%以上,表明RF算法在始花期预报中有较高的可靠性和业务应用潜力。