近年來,機器學習算法逐漸被運用到作物估產(chǎn)中,但現(xiàn)有研究僅對比不同方法的估產(chǎn)精度,很少分析估產(chǎn)的最佳時間。本研究基于隨機森林算法,對2001-2013年河南省八個時間段的冬小麥遙感、土壤、氣候數(shù)據(jù)進行訓(xùn)練并預(yù)測2014、2015年產(chǎn)量,對比實際產(chǎn)量確定最適合河南省小麥產(chǎn)量的訓(xùn)練時間段,探討影響因子對產(chǎn)量預(yù)測的影響程度。結(jié)果表明:(1)隨機森林算法適用于河南省冬小麥產(chǎn)量預(yù)測,能取得較好效果;(2)12-3月為河南省隨機森林算法預(yù)測產(chǎn)量的最佳時間段,兩年的R²均達到0.8,且該算法在河南省更適用于短時間序列預(yù)測;(3)在影響因子中,月降水對模型精度的影響最大,月最高溫度影響最小。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 數(shù)據(jù)與方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)來源
        1.2.1 遙感數(shù)據(jù)
        1.2.2 氣候數(shù)據(jù)
        1.2.3 土壤數(shù)據(jù)
        1.2.4 冬小麥產(chǎn)量數(shù)據(jù)
    1.3 研究方法
        1.3.1 隨機森林算法預(yù)測作物產(chǎn)量
        1.3.2 精度評估指標
        1.3.3 重要性評價
2 結(jié)果與分析
    2.1 不同時間段預(yù)測精度比較
    2.2 產(chǎn)量預(yù)測空間分布特征
    2.3 影響因子重要性評價
3 討 論
4 結(jié) 論



本文編號：3811552