采用分類與回歸樹（CART）和卡方自動交叉檢驗（CHAID）兩種決策樹算法,基于不同物候期氣象指標(biāo)對2010—2016年湖南省24個油茶（Camellia oleifera Abel.）測產(chǎn)點(diǎn)的油茶產(chǎn)量進(jìn)行分析。結(jié)果表明,兩種決策樹算法對于歷史產(chǎn)量數(shù)據(jù)模擬的平均相對誤差分別達(dá)8.80%、14.30%,趨勢準(zhǔn)確率分別為97.40%、92.20%;開花期的0℃以上積溫和平均最高氣溫對油茶產(chǎn)量影響最大,在果實第一次膨大期、油脂轉(zhuǎn)化和積累高峰期,氣溫日較差、平均最低氣溫和高溫日數(shù)最重要。對提升油茶產(chǎn)業(yè)效益極具現(xiàn)實意義。 

【文章來源】：湖北農(nóng)業(yè)科學(xué). 2020,59(21)

【文章頁數(shù)】：7 頁

【部分圖文】：

建模流程

基于區(qū)域產(chǎn)量標(biāo)準(zhǔn)化數(shù)據(jù)建立的CART最優(yōu)決策樹模型

使用兩種決策樹算法對不同物候期數(shù)據(jù)建模，得到不同時段模型的相對誤差和準(zhǔn)確率。由圖3和圖4可見，兩種算法在各個物候期的準(zhǔn)確率分布較為一致，基于11個物候期產(chǎn)量數(shù)據(jù)建模的模型平均相對誤差較小，趨勢準(zhǔn)確率較高，說明在數(shù)據(jù)充足的條件下，決策樹算法能夠更好地識別氣象指標(biāo)與產(chǎn)量的關(guān)系。開花期、春梢萌動期相對誤差同樣較低，表明該物候期氣象條件對油茶產(chǎn)量有較大影響，而春梢生長期、花芽分化前期、花芽現(xiàn)形期、夏梢生長期相對誤差較大，趨勢準(zhǔn)確率較低，說明這4個物候期的氣象條件對油茶產(chǎn)量影響較小。圖4 各物候期模擬產(chǎn)量趨勢準(zhǔn)確率

【參考文獻(xiàn)】：
期刊論文
[1]基于氣象條件的油茶產(chǎn)量模型研究[J]. 蔣元華,廖玉芳,黃超,彭嘉棟.  經(jīng)濟(jì)林研究. 2018(02)
[2]優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法在油茶產(chǎn)量預(yù)測中的應(yīng)用[J]. 溫雪巖,李鵬程,陳家男,朱泳,吳曉峰.  東北林業(yè)大學(xué)學(xué)報. 2016(10)
[3]氣象因子對湖南油茶產(chǎn)量的影響及其產(chǎn)量模型構(gòu)建[J]. 彭嘉棟,蔣元華,廖玉芳,陳隆升.  氣象與環(huán)境學(xué)報. 2016(03)
[4]油茶氣象影響指標(biāo)研究綜述[J]. 蔣元華,廖玉芳.  中國農(nóng)學(xué)通報. 2015(28)
[5]區(qū)域洪澇災(zāi)害損失評估及預(yù)測的CART模型研究——以湖南省為例[J]. 吉中會,李寧,吳吉東,劉雪琴.  地域研究與開發(fā). 2012(06)
[6]基于氣象因子的朝陽大棗年景預(yù)報模型[J]. 張國林,張富榮,宗英飛,馮雪菲,戴海燕,馮淑霞.  中國農(nóng)業(yè)氣象. 2012(02)
[7]糧食產(chǎn)量預(yù)測模型的應(yīng)用與仿真研究[J]. 任艷娜,席磊,汪強(qiáng),馬新明.  計算機(jī)仿真. 2011(04)
[8]莊河市玉米生育期氣象條件分析及產(chǎn)量預(yù)測[J]. 王春遠(yuǎn).  現(xiàn)代農(nóng)業(yè)科技. 2010(09)
[9]商空間理論框架下的SVM產(chǎn)量預(yù)測模型研究[J]. 程偉,張燕平,趙姝.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2009(05)
[10]一種基于CART的決策樹改進(jìn)算法[J]. 宋廣玲,郝忠孝.  哈爾濱理工大學(xué)學(xué)報. 2009(02)



本文編號：3495302