中国农业科学 ›› 2024, Vol. 57 ›› Issue (4): 679-697.doi: 10.3864/j.issn.0578-1752.2024.04.005
李乾川(), 许世卫(
), 张永恩, 庄家煜, 李灯华, 刘保花, 朱之洵, 刘浩
收稿日期:
2023-06-12
接受日期:
2023-08-02
出版日期:
2024-02-16
发布日期:
2024-02-20
通信作者:
联系方式:
李乾川,E-mail:82101211326@caas.cn。
基金资助:
LI QianChuan(), XU ShiWei(
), ZHANG YongEn, ZHUANG JiaYu, LI DengHua, LIU BaoHua, ZHU ZhiXun, LIU Hao
Received:
2023-06-12
Accepted:
2023-08-02
Published:
2024-02-16
Online:
2024-02-20
摘要:
【目的】在世界气候变化加剧和气象灾害频发的背景下,探究气象因素对玉米单产的重要性并准确预测玉米单产对于促进农业生产和田间管理具有重要意义。本文旨在量化分析玉米各生育阶段气象因素对单产的重要性并建立高精度、高可靠性的玉米气象单产堆栈集成学习估测模型来预测单产。【方法】利用HP滤波法和移动平均法确定各县域趋势单产模型并分离出各县气象单产。采用轻量级梯度提升机(LightGBM)、Bagging和Stacking 3种集成学习方法,通过对中国12个省份596个县级行政区域和气象观测站跨度34年的日度气象数据和玉米产量数据进行分析,建立3种基于不同集成学习框架(LightGBM、Bagging和Stacking)的玉米气象单产预测模型。【结果】适用HP滤波法作为趋势单产模型的县域主要集中在陕西、河南、江苏和安徽地区。相较于HP滤波法,更多县域适用于移动平均法,且多数县域R 2分布于0.8以上。基于5年滑动预测和模型精度评价指标,3种模型对玉米单产的平均绝对百分比误差(MAPE)指标均低于6%。Stacking模型MAPE值达到4.60%,预测精度高,泛化性强。结果表明玉米气象单产堆栈集成学习预测模型(Stacking)具有更高精度和更强鲁棒性,并能有效利用各基学习器特点与优势,提升预测精度,是根据气象因素预测玉米单产的最优模型。此外,基于12省玉米生育阶段27个气象因素的随机森林特征重要性评分对玉米单产的定量分析,对作物监测和田间管理有借鉴和参考意义。【结论】3种集成学习方法,尤其是堆栈集成学习模型(Stacking)预测效果能够详细反映出玉米单产的时空分布变化情况。基于气象因素的玉米单产堆栈集成学习模型可为田间管理和精准预测玉米单产提供新方法。
李乾川, 许世卫, 张永恩, 庄家煜, 李灯华, 刘保花, 朱之洵, 刘浩. 基于气象因素的玉米单产堆栈集成学习建模与预测[J]. 中国农业科学, 2024, 57(4): 679-697.
LI QianChuan, XU ShiWei, ZHANG YongEn, ZHUANG JiaYu, LI DengHua, LIU BaoHua, ZHU ZhiXun, LIU Hao. Stacking Ensemble Learning Modeling and Forecasting of Maize Yield Based on Meteorological Factors[J]. Scientia Agricultura Sinica, 2024, 57(4): 679-697.
表1
12省份596县5种玉米气象单产预测模型5年滑动平均预测指标评价"
省份 Province | 模型 Model | RMSE (kg·hm-2) | R2 | MAE (kg·hm-2) | MAPE (%) |
---|---|---|---|---|---|
安徽Anhui | Lasso | 429.985 | 0.883 | 350.259 | 7.466 |
BP neural network | 434.525 | 0.881 | 353.761 | 7.554 | |
Bagging | 439.796 | 0.878 | 360.207 | 7.685 | |
LightGBM | 394.414 | 0.902 | 302.532 | 6.273 | |
Stacking | 407.022 | 0.896 | 323.037 | 6.755 | |
福建Fujian | Lasso | 125.812 | 0.977 | 84.344 | 2.780 |
BP neural network | 130.215 | 0.976 | 90.654 | 2.950 | |
Bagging | 126.978 | 0.977 | 86.058 | 2.833 | |
LightGBM | 190.409 | 0.948 | 129.502 | 4.132 | |
Stacking | 128.378 | 0.976 | 87.562 | 2.893 | |
贵州Guizhou | Lasso | 640.684 | 0.818 | 477.757 | 10.937 |
BP neural network | 636.296 | 0.820 | 474.561 | 10.621 | |
Bagging | 635.883 | 0.820 | 473.537 | 10.651 | |
LightGBM | 661.118 | 0.806 | 489.157 | 11.259 | |
Stacking | 642.441 | 0.817 | 470.063 | 10.775 | |
河南Henan | Lasso | 391.623 | 0.842 | 327.031 | 6.120 |
BP neural network | 397.196 | 0.837 | 331.677 | 6.204 | |
Bagging | 385.328 | 0.847 | 321.127 | 6.007 | |
LightGBM | 229.429 | 0.946 | 169.439 | 3.306 | |
Stacking | 255.944 | 0.932 | 200.405 | 3.867 | |
湖北Hubei | Lasso | 324.475 | 0.934 | 229.117 | 5.140 |
BP neural network | 333.874 | 0.930 | 233.386 | 5.251 | |
Bagging | 324.153 | 0.934 | 226.468 | 5.086 | |
LightGBM | 429.661 | 0.884 | 278.379 | 6.228 | |
Stacking | 327.289 | 0.933 | 227.862 | 5.106 | |
湖南Hunan | Lasso | 188.099 | 0.965 | 116.883 | 3.099 |
BP neural network | 189.222 | 0.965 | 121.794 | 3.203 | |
Bagging | 184.516 | 0.966 | 113.240 | 2.997 | |
LightGBM | 220.178 | 0.952 | 133.447 | 3.432 | |
Stacking | 184.619 | 0.966 | 109.678 | 2.919 | |
江苏Jiangsu | Lasso | 355.866 | 0.871 | 256.219 | 4.097 |
BP neural network | 362.406 | 0.866 | 263.944 | 4.240 | |
Bagging | 361.581 | 0.866 | 260.011 | 4.160 | |
LightGBM | 420.158 | 0.820 | 324.532 | 5.223 | |
Stacking | 396.549 | 0.839 | 290.822 | 4.658 | |
江西Jiangxi | Lasso | 268.408 | 0.954 | 181.344 | 5.682 |
BP neural network | 268.240 | 0.954 | 181.776 | 5.667 | |
Bagging | 266.050 | 0.955 | 178.464 | 5.573 | |
LightGBM | 332.810 | 0.929 | 229.034 | 6.522 | |
Stacking | 268.489 | 0.954 | 177.111 | 5.439 | |
陕西Shaanxi | Lasso | 326.690 | 0.961 | 232.629 | 4.855 |
BP neural network | 328.045 | 0.960 | 234.162 | 4.887 | |
Bagging | 327.698 | 0.961 | 232.380 | 4.851 | |
LightGBM | 363.645 | 0.951 | 254.505 | 5.325 | |
Stacking | 333.508 | 0.959 | 233.337 | 4.820 | |
四川Sichuan | Lasso | 163.837 | 0.983 | 107.752 | 2.162 |
BP neural network | 167.203 | 0.982 | 109.679 | 2.197 | |
Bagging | 164.037 | 0.983 | 106.993 | 2.144 | |
LightGBM | 184.138 | 0.978 | 123.460 | 2.497 | |
Stacking | 163.299 | 0.983 | 107.347 | 2.149 | |
浙江Zhejiang | Lasso | 153.359 | 0.961 | 104.611 | 2.509 |
BP neural network | 154.878 | 0.961 | 106.501 | 2.549 | |
Bagging | 153.905 | 0.961 | 105.390 | 2.526 | |
LightGBM | 184.471 | 0.944 | 116.249 | 2.774 | |
Stacking | 152.227 | 0.962 | 103.882 | 2.490 | |
重庆Chongqing | Lasso | 88.538 | 0.993 | 67.871 | 1.373 |
BP neural network | 80.281 | 0.994 | 61.049 | 1.248 | |
Bagging | 77.610 | 0.995 | 61.309 | 1.237 | |
LightGBM | 127.141 | 0.985 | 98.977 | 2.022 | |
Stacking | 83.661 | 0.994 | 64.649 | 1.319 |
[1] |
doi: 10.1016/j.agsy.2023.103633 |
[2] |
doi: 10.1016/j.agsy.2022.103581 |
[3] |
|
[4] |
|
[5] |
doi: 10.1007/s42106-022-00193-5 |
[6] |
doi: 10.1111/crf3.v19.4 |
[7] |
doi: 10.1016/j.scitotenv.2020.141963 |
[8] |
doi: 10.1088/1748-9326/acb3e5 |
[9] |
doi: 10.3390/rs15040892 |
[10] |
|
[11] |
doi: 10.3390/rs15010079 |
[12] |
doi: 10.3390/agronomy11112344 |
[13] |
doi: 10.3390/rs13010146 |
[14] |
陈志君, 朱振闯, 孙仕军, 王秋瑶, 苏通宇, 付玉娟. Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数. 农业工程学报, 2021, 37(5): 95-104.
|
|
|
[15] |
doi: 10.3390/w15010030 |
[16] |
doi: 10.3390/agriculture12081267 |
[17] |
张杰, 徐波, 冯海宽, 竞霞, 王娇娇, 明世康, 傅友强, 宋晓宇. 基于集成学习的水稻氮素营养及籽粒蛋白含量监测. 光谱学与光谱分析, 2022, 42(6): 1956-1964.
|
|
|
[18] |
doi: 10.1016/j.jfca.2023.105398 |
[19] |
doi: 10.1142/S021812662350086X |
[20] |
侯志松, 冀金泉, 李国厚, 焦红伟, 王良. 集成学习与迁移学习的作物病害图像识别算法. 中国科技论文, 2021, 16(7): 708-714.
|
|
|
[21] |
史飞飞, 高小红, 肖建设, 李宏达, 李润祥, 张昊. 基于集成学习和多时相遥感影像的枸杞种植区分类. 自然资源遥感, 2022, 34(1): 115-126.
|
|
|
[22] |
doi: 10.1016/j.rsase.2023.100962 |
[23] |
doi: 10.1016/j.heliyon.2023.e15245 |
[24] |
doi: 10.3390/rs13122338 |
[25] |
doi: 10.3390/agronomy12010202 |
[26] |
doi: 10.1002/agj2.v112.4 |
[27] |
doi: 10.1016/j.scitotenv.2022.153262 |
[28] |
doi: 10.3390/su13105748 |
[29] |
doi: 10.3390/atmos13081197 |
[30] |
doi: 10.1007/s11027-022-09995-4 |
[31] |
doi: 10.3390/app11041431 |
[32] |
doi: 10.1007/s10584-021-03143-8 |
[33] |
doi: 10.3390/agriculture11040373 |
[34] |
doi: 10.1016/j.wace.2015.08.001 |
[35] |
doi: 10.3390/plants10020293 |
[36] |
doi: 10.1111/gcb.12389 pmid: 24038930 |
[37] |
|
[38] |
doi: 10.1016/j.agwat.2023.108198 |
[39] |
doi: 10.3390/agronomy13020374 |
[40] |
doi: 10.1007/s00704-018-2558-6 |
[41] |
doi: 10.1007/s00704-017-2352-x |
[42] |
doi: 10.1126/science.1204531 |
[43] |
doi: 10.1038/s41467-020-15076-4 pmid: 32144261 |
[44] |
doi: 10.1038/s41598-018-21848-2 pmid: 29472598 |
[45] |
doi: 10.1038/s41477-020-0625-3 pmid: 32296143 |
[46] |
doi: 10.1016/j.jneumeth.2021.109080 |
[47] |
doi: 10.1016/j.nrjag.2016.01.005 |
[48] |
|
[49] |
doi: 10.1016/j.conengprac.2017.06.011 |
[50] |
doi: 10.3390/app12157849 |
[51] |
孟品超, 李学源, 贾洪飞, 李延忠. 基于滑动平均法的轨道交通短时客流实时预测. 吉林大学学报(工学版), 2018, 48(2): 448-453.
|
|
|
[52] |
doi: 10.1080/02664763.2020.1803813 |
[53] |
doi: 10.1371/journal.pone.0274172 |
[54] |
doi: 10.1038/ncomms6989 |
[55] |
doi: 10.1175/BAMS-D-16-0334.1 |
[56] |
doi: 10.1016/j.neuron.2021.10.030 |
[57] |
doi: 10.1080/00031305.2016.1200489 |
[58] |
doi: 10.2135/cropsci2017.01.0048 |
[59] |
doi: 10.1016/j.neucom.2022.08.055 |
[60] |
doi: 10.1016/j.energy.2022.126441 |
[61] |
doi: 10.1093/aje/kwad061 pmid: 36935107 |
[62] |
奚丽婧, 郭昭艳, 杨雪珂, 平智广. LASSO及其拓展方法在回归分析变量筛选中的应用. 中华预防医学杂志, 2023, 57(1): 107-111.
|
|
|
[63] |
doi: 10.3390/math10122148 |
[64] |
doi: 10.3390/math11030602 |
[65] |
doi: 10.3390/atmos14030600 |
[66] |
doi: 10.3390/ijerph20064977 |
[67] |
doi: 10.3390/agriculture13010098 |
[68] |
doi: 10.1186/s10086-022-02073-y |
[69] |
王晓伟, 李晓玉, 史雯琪, 赵海根, 孙琛, 游松财. 黄淮海地区玉米生育期制图研究. 江苏农业科学, 2023, 51(4): 105-113.
|
|
|
[70] |
尹小刚, 王猛, 孔箐锌, 王占彪, 张海林, 褚庆全, 文新亚, 陈阜. 东北地区高温对玉米生产的影响及对策. 应用生态学报, 2015, 26(1): 186-198.
|
|
|
[71] |
冯小杰, 郑子成, 李廷轩. 紫色土区坡耕地玉米季地表径流及其氮素流失特征. 水土保持学报, 2017, 31(1): 43-48, 54.
|
|
|
[72] |
周新国, 韩会玲, 李彩霞, 郭树龙, 郭冬冬, 陈金平. 拔节期淹水玉米的生理性状和产量形成. 农业工程学报, 2014, 30(9): 119-125.
|
|
|
[73] |
任小龙, 贾志宽, 陈小莉, 韩娟, 韩清芳, 丁瑞霞. 半干旱区沟垄集雨对玉米光合特性及产量的影响. 作物学报, 2008, 34(5): 838-845.
|
doi: 10.3724/SP.J.1006.2008.00838 |
|
[74] |
doi: 10.1016/j.jia.2023.02.011 |
[75] |
doi: 10.1007/s42106-019-00073-5 |
[76] |
|
[77] |
许世卫, 邸佳颖, 李干琼, 庄家煜. 农产品监测预警模型集群构建理论方法与应用. 中国农业科学, 2020, 53(14): 2859-2871. doi: 10.3864/j.issn.0578-1752.2020.14.010.
|
|
No related articles found! |
|