基于随机森林的作物模型光温产量潜力模拟优化方法

来源：湖北农业科学杂志2024年第8期北京时间：

作者：徐浩1, 宋华鲁1, 张海波2, 张小虎3, 王帅1

单位：1.山东省农业科学院农业信息与经济研究所,济南 250100; 2.招远市农业农村局农经服务中心,山东 招远 265400; 3.南京农业大学国家信息农业工程技术中心,南京 210095

摘要：为有效降低作物模拟所需数据量,提高计算效率,基于机器学习建立冬小麦光温产量潜力估算模型。以中国冬麦区129个农业气象站点1980—2009年光温产量潜力为研究对象,选择影响光温产量潜力模拟较大的温度、日照时数、经纬度等构建特征变量。选择生长季与月份2个时间范围,基于WheatGrow模型输入输出数据建立生长季变量的随机森林模型（RF_GS）与月份变量的随机森林模型（RF_Mon）,最后利用均方根误差（RMSE）评价随机森林模型的性能。结果表明,随机森林模型可在保证模拟精度的前提下降低数据需求量,且RF_GS精度优于RF_Mon;变量重要性检验与部分依赖图分析结果表明,纬度、生长季日照时数、5月日照时数、3月最低温度对光温产量潜力模拟影响较大;若模型验证数据的范围超出训练数据的范围,利用随机森林模型无法保证建模精度。

关键词：作物模型,WheatGrow模型,随机森林,光温产量潜力,模拟优化方法

基金资助：山东省自然科学基金项目（ZR2021QC183）; 山东省农业科学院农业科技创新工程项目（CXGC2023A34）