农业机械学报

作者：王鹏新，乔琛，李俐，周西嘉，许连香，胡亚京

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：玉米;估产;条件植被温度指数;叶面积指数;Shapley值;组合预测

基金：国家重点研发计划项目（2016YFD0300603-3）

为进一步促进机器学习技术在玉米单产估测中的应用，以河北中部平原为研究区域，选取与玉米长势和产量密切相关的条件植被温度指数（Vegetation temperature condition index，VTCI）和叶面积指数（Leaf area index，LAI）为特征变量，通过极限梯度提升（Extreme gradient boosting，XGBoost）算法和随机森林（Random forest，RF）算法分别对玉米单产进行估测。基于组合预测思想与Shapley值理论，分别确定组合预测模型中XGBoost与RF模型权重，进而得到组合预测模型，结果表明，基于Shapley值确定的组合估产模型精度较高（R2=0.32）,达极显著水平（P<0.001）。同时将组合预测模型应用于河北中部平原2012年各县（区）玉米的单产估测，结果表明，模型精度较高（R2=0.52），玉米估测单产与实际单产的平均相对误差和均方根误差分别为9.86%、831.14kg/km2，达到极显著水平（P<0.001），且组合预测模型的精度均优于单一估测模型。研究发现，河北中部平原玉米估测单产随年份发生波动变化，呈先降低后升高的趋势。玉米估测单产以西部地区最高，其次是北部和南部地区，东部地区最低。

来源：2021年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第9期