基于机器学习算法的冬小麦始花期预报方法

来源：农业工程学报杂志2021年第11期北京时间：

作者：徐敏,赵艳霞,张顾,高苹,杨荣明,

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5 d预报，最早可提前32 d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