-
题名基于随机森林模型的水稻生长模拟及特征重要性分析
- 1
-
-
作者
董良骥
王雨禾
刘晓俊
徐保坤
于浕
-
机构
烟台大学土木工程学院
-
出处
《节水灌溉》
2025年第11期32-39,共8页
-
基金
山东省自然科学基金(ZR2023QE332)
国家自然科学基金(52309063)
重庆市水利科技重点项目(CQSLK-2023008)。
-
文摘
为了准确模拟三江平原水稻生长状态,基于随机森林算法和黑龙江省双鸭山、佳木斯市2021和2022年的344块试验田数据及8种植被指数完成对水稻拔节、开花期、分蘖茎数、叶龄、产量等关键生长变量的模拟,并通过特征归因方法分析建模数据的特征重要性。结果表明:(1)模型对拔节期、开花期、分蘖茎数和叶龄的模拟精度较高,决定系数(R2)达0.70~0.91,纳什-萨特克利夫效率系数(NSE)为0.62~0.91,相对均方根误差(RRMSE)为4.69%~9.89%。尽管产量模拟精度略低(R2=0.49,NSE=0.45,RRMSE=3.74%),但仍处于可接受的范围。(2)特征重要性分析结果表明,不同生长变量的关键影响数据存在显著差异。开花期受插秧时间影响最大,SAVI(土壤调节植被指数)、KBDI(基奇-拜拉姆干旱指数)和NDVI(归一化差异植被指数)是3种关键植被指数,其重要性分别为0.42、0.37和0.32;拔节期的主导数据为RVI(比值植被指数)、SAVI及插秧时间(重要性均超过0.9),NDVI、NDRBI(归一化差异红蓝植被指数)和KBDI的重要性也较高(0.72、0.63和0.52);分蘖茎数与叶龄的关键数据类型相同,均为DVI(差值植被指数)、TVI(转换植被指数)和SAVI,且其重要性均超0.65;而产量预测中,NDRBI(1.0)、插秧时间(0.83)、TVI(0.65)和NDVI(0.63)为主要影响数据。随机森林模型可作为三江平原水稻生长模拟和数据特征重要性分析的有效工具,可以为稻田水肥精准管理及作物增产提供科学依据。
-
关键词
随机森林模型
水稻生长模拟
植被指数
特征重要性
关键生长变量
-
Keywords
random forest model
rice growth simulation
vegetation index
feature importance
key growth variables
-
分类号
S2
[农业科学]
-
-
题名RICAM1．3的结构与功能的改进及其应用
被引量：4
- 2
-
-
作者
戚昌瀚
殷新佑
刘桃菊
唐建军
-
机构
江西农业大学农学院
-
出处
《江西农业大学学报》
CAS
CSCD
1996年第4期371-375,共5页
-
基金
国家自然科学基金
-
文摘
ＲＩＣＡＭ１．３（水稻生长日历模拟模型１．３）采用了发育进程、叶龄与叶面积模型的新例行程序、ＳＵＣＲＯＳ模型中干物质生产的例行子程序，以及在ＣＳＭＰ基础上改善的ＦＳＴ计算语言。因而，新版本ＲＩＣＡＭ将使农业技术管理和研究单位更便于应用。
-
关键词
水稻生长日历模拟模型
计算机摸拟
-
Keywords
Rice Growth Calendar Model
Computerized Simulation
-
分类号
S126
[农业科学—农业基础科学]
S511
[农业科学—作物学]
-
