随机森林机器算法在江苏省小麦赤霉病病穗率预测中的应用

作者：徐敏,徐经纬,谢志清,高苹,李亚春,缪璟秋

摘要：基于2002-2018年江苏省13个市的小麦赤霉病病穗率资料与生育期观测资料、相应时段内的逐日气象数据,应用随机森林机器学习算法,分生育期、分区域定量评估影响病穗率的主要气象因子特征变量和贡献率,按不同起报时间建立预测模型并进行验证.结果表明,各生育期重要特征变量贡献率的排序为:抽穗扬花期>拔节期>越冬期.抽穗扬花期湿度、连续≥3 d的雨日和日照对赤霉病起主导作用,拔节期日照、降雨量、湿度和雨日与越冬期气温和降雪对赤霉病均具有前期影响,甄别出的重要特征变量排序结果符合赤霉病菌发育、释放、侵染和流行规律;基于随机森林算法建立的病穗率预测模型的精度与重要特征变量个数、赤霉病发生区域、Mtry参数设定、生育期有关;最早可在3月初进行预测,预测时效近3个月,起报时间越接近乳熟期,输入的重要特征变量越多,则病穗率预测准确率越高,病穗率模拟值与实测值的波动趋势完全一致,对赤霉病"中等"和"偏重"等级模拟效果好,表明随机森林算法在赤霉病预测中有较高的可靠性和业务应用潜力.

发文机构：江苏省气候中心 南京信息工程大学气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心 苏州市吴中区东山气象站

关键词：小麦赤霉病随机森林法病穗率预测Wheat scabRandom forest methodForecast of the diseased panicle rate

分类号： P49[天文地球—大气科学及气象学]