基于机器学习结合多因子组合的玉米估产研究

贾金豹1，朱成娟2，汪家全1，周鹏3

（1.信阳艺术职业学院，河南信阳，464000；2.大连交通大学交通运输工程学院，大连市，116028；3.河南农业大学信息与管理科学学院，郑州市，450003）

摘要：玉米作为河南省主要种植作物之一，作物产量预测对区域贸易和粮食安全具有重要意义。为建立简单、及时、准确的作物叶面积指数LAI和产量预测模型，采用多元线性回归MLR、偏最小二乘回归PLSR和决策树DT机器学习技术，结合玉米生理参数因子（P1）、光谱特征波段（P2）、土壤性质参数（P3）和气象参数（P4）进行多因子组合构建玉米LAI和产量的估测模型。研究结果表明，在3种机器学习方法中，籽粒形成期的LAI估测精度显著优于其他生育时期，而成熟期的产量模型估测精度显著优于其他时期；在5种多因子组合中，PLSR算法结合P1+P2+P3+P4多因子组合构建的模型达到最高精度，其中LAI估测最高为Rv2=0.84,RMSEv=0.38，产量估测最高为Rv2=0.79,RMSEv=982kg/hm2。为我国北方玉米种植区的玉米生长和产量预测提供技术支持和理论依据，提高预测的准确性和效率，对农业生产管理和决策制定具有重要意义。

关键词：玉米；机器学习；高光谱；生理指标；叶面积指数；产量

文章来源：《中国农机化学报》