农业机械学报

作者：赵文举，丁磊，俞海英，马宏，曾凯，杨鹏涛

单位：兰州理工大学,兰州理工大学,兰州理工大学,兰州理工大学,兰州理工大学,兰州理工大学,

关键词：农田CO2排放通量;光谱指数;变量优选;LightGBM;反演模型

基金：国家自然科学基金面上项目（52379042）、甘肃省重点研发计划项目（23YFFA0019）和甘肃省东西协作专项（23CXNA0025）

为准确获取农田CO2排放通量和精准监测温室气体排放，采集CO2实测数据，基于光谱影像数据，提取各采样点光谱反射率，在此基础上引入红边波段改进光谱指数，利用变量投影重要性分析（Variable importance in projection，VIP）、皮尔逊相关系数法（Pearson correlation coefficient，PCC）以及灰色关联度分析法（Grey relational analysis，GRA）优选出的特征变量作为模型输入组，基于轻量级梯度提升机（Light gradient boosting machine， LightGBM）、反向传播神经网络（Back-propagation neural network, BPNN）和随机森林（Random forest, RF）机器学习算法，构建36个番茄农田不同生育期CO2排放通量反演模型。结果表明：PCC-GRA变量优选方法构建的模型精度优于VIP和PCC法构建的模型，LightGBM的反演效果整体优于BPNN和RF模型，反演结果能真实反映番茄农田不同生育期CO2排放通量。对比各生育期不同模型反演精度，LightGBM在生长期、开花坐果期、成熟期的反演效果优于其他模型，验证集决定系数R2p分别为0.741、0.818、0.779，均方根误差RMSEp分别为0.035、0.040、0.229mg/(m2·h)，平均绝对误差MAEp分别为0.028、0.034、0.022mg/(m2·h)，其中开花坐果期反演精度表现最优。在果实膨大期，RF反演效果优于其他模型，R2p为0.767，RMSEp为0.031mg/(m2·h)，MAEp为0.360mg/(m2·h)，且基于最佳反演模型PCC-GRA-LightGBM得到的全生育期CO2排放通量动态变化曲线可较为真实地反映研究区CO2排放通量变化特征。研究结果可为农田CO2排放通量的精细化监测与估算提供理论依据。

来源：2025年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第8期