| 基于机器学习算法的冬小麦始花期预报方法 |
| |
| 引用本文： | 徐敏,赵艳霞,张顾,高苹,杨荣明.基于机器学习算法的冬小麦始花期预报方法[J].农业工程学报,2021,37(11):162-171. |
| |
| 作者姓名： | 徐敏 赵艳霞 张顾 高苹 杨荣明 |
| |
| 作者单位： | 1. 江苏省气候中心，南京 210008;;2. 中国气象科学研究院，北京 100081;;3. 江苏省气象服务中心，南京 210008;;4. 江苏省植物保护植物检疫站，南京 210036; |
| |
| 基金项目： | 2020年中国气象局国内外作物产量气象预报专项；国家重点研发计划（2019YFD1002201）；国家自然基金项目（42075118） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 作物 气象 冬小麦 始花期 随机森林算法 神经网络算法 |
| 收稿时间： | 2021/3/30 0:00:00 |
| 修稿时间： | 2021/5/15 0:00:00 |
Method for forecasting winter wheat first flowering stage based on machine learning algorithm |
| |
| Xu Min,Zhao Yanxi,Zhang Gu,Gao Ping,Yang Rongming.Method for forecasting winter wheat first flowering stage based on machine learning algorithm[J].Transactions of the Chinese Society of Agricultural Engineering,2021,37(11):162-171. |
| |
| Authors: | Xu Min Zhao Yanxi Zhang Gu Gao Ping Yang Rongming |
| |
| Institution: | 1. Climate Center of Jiangsu Province, Nanjing 210008, China;;2. Chinese Academy of Meteorological Sciences, Beijing 100081, China;;3. Meteorological Service Center of Jiangsu Province, Nanjing 210008, China;; 4. Plant Protection and Plant Quarantine Station of Jiangsu Province, Nanjing 210036, China; |
| |
| Abstract: | |
| |
| Keywords: | crops meteorology winter wheat the first flowering stage random forest method back propagation method |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
