基于机器学习算法的河南省县级冬小麦产量模拟研究
刘星麟
刘园
杨凡
刘布春
韩锐
中国农业科学院 农业环境与可持续发展研究所/作物高效用水与抗灾减损国家工程实验室,北京 100081
摘要：河南省是冬小麦种植大省,精准评估冬小麦产量对保障国家粮食安全意义重大.基于2000-2019年河南省16个县(市)的旬尺度气象数据与河南省县级冬小麦产量数据,分析机器学习模型在冬小麦产量模拟中的性能.将数据集分为测试集(2000-2015年)与训练集(2016-2019年),基于多元逐步回归、随机森林和随机森林OOB方法,构建河南省县级冬小麦产量模拟模型,并对比验证不同模型模拟效果.结果表明,2000-2019年河南省县级冬小麦产量在2001～7980 kg/hm2波动,平均值为5675 kg/hm2,变异系数区间为3.75%～26.58%.基于通过95%显著性检验的19个旬尺度气象因子构建多元逐步回归模型,验证R2 为0.620 9,RMSE为907.06 kg/hm2;使用全部特征因子构建的随机森林模型验证R2 为0.772 5,RMSE为664.36 kg/hm2.基于随机森林OOB重要性分析,共筛选68个关键旬尺度气象特征因子,其中,11月、3月、4月、6月的旬尺度气象因子对冬小麦产量的影响尤为显著.随机森林OOB模型模拟县级冬小麦产量的验证R2为0.860 5,RMSE为636.58 kg/hm2.随机森林OOB模型表现优于多元逐步回归模型与随机森林模型,R2分别提高38.59%和11.39%,RMSE分别降低29.82%和4.18%.利用有限的气象数据和县尺度产量数据,实现了可靠且较高精度的冬小麦产量模拟,为区域冬小麦产量模拟提供了方法参考.
关键词：冬小麦产量模拟随机森林气象因子OOB分析旬尺度
分类号：S126(农业物理学)
资助基金：中国农业科学院重大任务粮食产能持续提升战略研究项目(CAAS-ZDRW202419)
论文发表日期：2025-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：14( 167-180 )
英文信息