通过机器学习预测模型理解荔枝开花过程
苏钻贤1
宁振辰2
汪情2
陈厚彬1
1.华南农业大学园艺学院广东省荔枝工程中心,广州 510642;岭南现代农业科学与技术广东省实验室茂名分中心,广东茂名 5250002.华南农业大学园艺学院广东省荔枝工程中心,广州 510642
摘要：[目的]荔枝开花的早晚影响果实成熟期、成花率和产量,也影响荔枝产业的高质量发展.针对荔枝开花期预测的空白,旨在构建气象因子、植株状态与荔枝开花进程的关系模型,为实现成熟期调控提供依据.[方法]通过收集2009-2020年荔枝物候期、品种、树龄和气象数据,建立物候生态特征数据集,并利用随机森林(RF)和逐步回归(STR)算法构建荔枝花穗发育和开花持续期双阶段预测模型体系,经过5倍交叉验证、999次鲁棒性测试和2 a(年)盲测数据验证.[结果]花穗发育持续期模型均方根误差为3.6～3.7d,相关系数0.97,盲测数据集验证相关系数0.98～0.99;开花持续期模型均方根误差1.2～2.6 d,相关系数0.88～0.97,盲测数据集验证相关系数为0.96～0.98.大于5 ℃日积温、日平均温度、风级和降雨量对荔枝开花过程有显著影响,大于24 ℃和18 ℃日积温分别对花穗发育期和开花续期起较大作用,上述因子共同构成影响荔枝开花过程的关键气象要素.[结论]建立的模型具有高鲁棒性和预测拟合度,有助于精准调控荔枝成熟期,所筛选的特征变量有助于理解气象因子对荔枝成花过程的影响.
关键词：机器学习预测模型物候期花穗发育持续期开花持续期
分类号：S667.1(果树园艺)
资助基金：乡村振兴战略专项资金(农业科技能力提升)项目(2024TS-2-2,2025TS-2-2)广东省基础与应用基础研究基金项目(2024A1515510035)现代农业产业技术体系(CARS-32)
论文发表日期：2025-05-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1045-1056 )
英文信息