基于随机森林回归的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以条件植被温度指数(VTCI)和上包络线S-G滤波的叶面积指数(LAI)为特征变量,通过随机森林回归确定玉米主要生育时期VTCI和LAI的权重,构建加权VTCI和LAI与玉米单产的单变量和双变量估产模型。结果表明,基于随机森林回归的双变量估产模型精度最高(R~2=0. 303),达极显著水平(P 0. 001)。将随机森林回归双变量估产模型用于研究区域2012年各县(区)玉米单产估测,结果表明,53个县(区)玉米估测单产与实际单产的平均相对误差为9. 85%,均方根误差为824. 77 kg/hm~2,模型精度较高。基于随机森林回归双变量估产模型逐像素估测研究区域2010—2018年玉米单产,结果表明,玉米单产在空间上的分布特征为西部地区最高、北部和南部次之、东部地区最低,年际间的分布特征为在波动中呈先减少后增加的趋势。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

南方、爪哇和花生根结线虫的快速灵敏的PCR鉴定方法

为了研制南方、爪哇和花生根结线虫快速灵敏的检测和鉴定方法，分别分离了4个南方根结线虫和3个爪哇根结线虫特异性的随机扩增多态性DNA(RAPD)片段。在这些RAPD标记DNA序列的基础上，设计了多对SCARPCR引物，并用源于国内外的南方、爪哇、花生、北方和象耳豆根结线虫群体验证其扩增特异性和灵敏度。最终确定了3对高效扩增的SCAR引物，     

不同时期施硼对绵油11号制种产量的影响

运用随机区组设计研究不同时期施硼对绵油11号制种产量的影响,旨在找出最佳施硼模式,即施用底肥的同时在苗期、蕾苔期、初花期分别喷施硼肥的效果最好。     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

食源性致病菌单细胞观测与预测的研究进展

微生物在单细胞水平下的生长普遍具有随机性和变异性,同时低菌量污染食品所造成的危害风险亦不可忽视,因此食源性致病菌单细胞的生长观测及预测研究逐渐成为食品预测微生物学及食源性致病菌风险评估的研究热点。在分析现有相关文献的基础上,将目前主要的食源性致病菌单细胞生长观测研究分为间接推断和直接观测两类方法;同时对食源性致病菌单细胞生长预测的模型参数与建模过程进行概述,比较了传统预测微生物的决定模型与微生物单细胞的随机模型二者之间的区别,强调了单细胞生长模型需在随机建模的基础上开展,并通过个体建模方法进一步联系其与所在食品环境之间的关系。最后,分析了食源性致病菌单细胞生长观测与预测的现状,并展望了其未来与食品安全风险评估相结合的发展趋势。     

基于随机森林模型的山体滑坡空间预测研究

滑坡灾害空间分布的准确预测是实现防灾减灾的重要途径。以2010年福建省顺昌地区滑坡资料为基础数据,分别应用随机森林模型和逻辑回归模型对福建顺昌地区山体滑坡发生与滑坡因子之间的关系进行实证分析,通过模型变量筛选、模型精度分析,探讨了随机森林模型在我国南方山体滑坡空间预测中的适应性。结果表明:随机森林模型对滑坡发生数据的拟合效果比逻辑回归模型好,其对顺昌地区滑坡发生数据的预测精度为90.8%,而逻辑回归模型的预测精度为81.8%;随机森林模型对研究区滑坡发生的泛化能力比逻辑回归模型好,其预测出高危险区和较高危险区所包含的滑坡比总和为66.05%,而逻辑回归模型为63.34%。研究结果表明随机森林模型的性能优于逻辑回归模型,可用于顺昌地区基于滑坡因子的未来滑坡发生的预测预报。     

基于随机森林的玉米发育程度自动测量方法

为提高玉米果穗发育程度检测的自动化程度与精度,提出一种基于机器视觉技术的测量方法。在随机森林机器学习算法的基础上构造秃尖、干瘪和籽粒区域的识别模型。该模型由多个独立同分布的弱分类器构成,对输入的训练样本进行列和行两个方向上的随机采样。比较随机森林模型和决策树模型的分类效果可知随机森林模型有效避免了过拟合和局部收敛现象的产生,并具有良好的推广能力。为确定最优的弱分类器数目,选择弱分类器个数为训练样本数量的1/80、1/40、1/20、1/10、1/5、1/4时分别构建随机森林分类器。研究结果表明,当随机森林中弱分类器个数为训练样本数量的1/20时,模型的识别率与稳定性最好。然后,以最优的随机森林模型作为分类器构建玉米果穗不同发育程度自动检测方法。试验结果表明,各区域长度测量的准确性均在95%以上,测量速度可达30个/min以上。     

灌区灌溉需水量的随机模拟

提出了一个含有趋势分量、季节分量、随机分量的时间序列模型，并用来模拟灌区灌溉需水量。分析发现灌溉需水量的序列无趋势，季节分量可用显著谐波数为1的Fourier级数描述，而随机分量则可用一阶自回归模型表示。对模型残差的独立性和正态性的检验证实了模型的适用性。实例计算表明该模型用于模拟霍泉灌区小麦的灌溉需水量序列精度可靠，合理可行。     

阜阳市霜冻变化特征

为了有效防御和减轻霜冻灾害对阜阳市农业生产的影响,为合理开展农业气候区划提供可靠依据,利用阜阳市1953—2014年62年整编资料,采用气候统计学方法,对阜阳市霜冻气候特征及其变化进行分析。结果表明：（1）初霜冻主要集中在10 月下旬—11 月中旬,占总次数的90%,终霜冻主要集中在3月中旬—4 月上旬,占总次数的77%。（2）平均初霜冻日为11 月2 日、终霜冻日为3 月26 日,无霜冻期为222天。（3）终霜冻出现异常较初霜冻频率高,20世纪80年代后期以来初霜冻未出现异常偏早和偏晚,21世纪以来终霜冻异常增多。（4）初霜冻整体变化趋势不明显,未发生气候突变。终霜冻在20世纪60年代末期出现气候突变呈提前趋势。无霜期在20世纪80年代后期出现气候突变呈延长趋势。