集成学习结合多源数据预测河南省冬小麦单产
Predicting winter wheat yield per uint area in Henan Province of China using ensemble learning and multi-source data作者机构:青岛大学计算机科学技术学院青岛266071
出 版 物:《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)
年 卷 期:2024年第40卷第4期
页 面:177-185页
核心收录:
学科分类:0832[工学-食品科学与工程(可授工学、农学学位)] 0818[工学-地质资源与地质工程] 09[农学] 0903[农学-农业资源与环境] 0901[农学-作物学] 0703[理学-化学] 0833[工学-城乡规划学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 0713[理学-生态学]
基 金:山东省自然科学基金(2018GNC110025,ZR2020QD016) 国家自然科学基金项目(42101382,42201407)
主 题:机器学习 遥感 冬小麦 Stacking集成学习 单产预测 最佳时间窗
摘 要:为探讨基于多源数据和集成学习算法预测冬小麦单产的可行性并确定冬小麦单产预测的最佳时间窗,该研究在河南省冬小麦生长季内划分28个不同的时间窗,使用8种不同的机器学习算法及基于Stacking的集成学习算法,利用2003—2018年的多种遥感指数数据、气象数据进行训练并预测2019—2021年单产。结果表明:引入日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)特征可以提升河南省冬小麦单产的预测效果;12月至次年5月为机器学习算法预测冬小麦单产的最佳时间窗;Stacking集成学习算法比其他单机器学习算法更适用于河南省县级尺度冬小麦单产预测,预测结果的决定系数为0.816,均方根误差和平均绝对误差分别为580.36和476.01 kg/hm^(2);河南省冬小麦实际单产的空间分布呈西低东高的趋势,预测的单产分布特征与实际单产分布特征相当。研究结果可为冬小麦单产预测提供一种新的方法,也为农作物单产预测模型构建提供新的思路。