基于决策树算法的气象因子对油茶产量影响研究

发布时间：2021-11-14 20:25

　　采用分类与回归树（CART）和卡方自动交叉检验（CHAID）两种决策树算法,基于不同物候期气象指标对2010—2016年湖南省24个油茶（Camellia oleifera Abel.）测产点的油茶产量进行分析。结果表明,两种决策树算法对于历史产量数据模拟的平均相对误差分别达8.80%、14.30%,趋势准确率分别为97.40%、92.20%;开花期的0℃以上积温和平均最高气温对油茶产量影响最大,在果实第一次膨大期、油脂转化和积累高峰期,气温日较差、平均最低气温和高温日数最重要。对提升油茶产业效益极具现实意义。 

【文章来源】：湖北农业科学. 2020,59(21)

【文章页数】：7 页

【部分图文】：

建模流程

基于区域产量标准化数据建立的CART最优决策树模型

使用两种决策树算法对不同物候期数据建模，得到不同时段模型的相对误差和准确率。由图3和图4可见，两种算法在各个物候期的准确率分布较为一致，基于11个物候期产量数据建模的模型平均相对误差较小，趋势准确率较高，说明在数据充足的条件下，决策树算法能够更好地识别气象指标与产量的关系。开花期、春梢萌动期相对误差同样较低，表明该物候期气象条件对油茶产量有较大影响，而春梢生长期、花芽分化前期、花芽现形期、夏梢生长期相对误差较大，趋势准确率较低，说明这4个物候期的气象条件对油茶产量影响较小。图4 各物候期模拟产量趋势准确率

【参考文献】：
期刊论文
[1]基于气象条件的油茶产量模型研究[J]. 蒋元华,廖玉芳,黄超,彭嘉栋.  经济林研究. 2018(02)
[2]优化BP神经网络算法在油茶产量预测中的应用[J]. 温雪岩,李鹏程,陈家男,朱泳,吴晓峰.  东北林业大学学报. 2016(10)
[3]气象因子对湖南油茶产量的影响及其产量模型构建[J]. 彭嘉栋,蒋元华,廖玉芳,陈隆升.  气象与环境学报. 2016(03)
[4]油茶气象影响指标研究综述[J]. 蒋元华,廖玉芳.  中国农学通报. 2015(28)
[5]区域洪涝灾害损失评估及预测的CART模型研究——以湖南省为例[J]. 吉中会,李宁,吴吉东,刘雪琴.  地域研究与开发. 2012(06)
[6]基于气象因子的朝阳大枣年景预报模型[J]. 张国林,张富荣,宗英飞,冯雪菲,戴海燕,冯淑霞.  中国农业气象. 2012(02)
[7]粮食产量预测模型的应用与仿真研究[J]. 任艳娜,席磊,汪强,马新明.  计算机仿真. 2011(04)
[8]庄河市玉米生育期气象条件分析及产量预测[J]. 王春远.  现代农业科技. 2010(09)
[9]商空间理论框架下的SVM产量预测模型研究[J]. 程伟,张燕平,赵姝.  中国农业大学学报. 2009(05)
[10]一种基于CART的决策树改进算法[J]. 宋广玲,郝忠孝.  哈尔滨理工大学学报. 2009(02)



本文编号：3495302