通过机器学习预测模型理解荔枝开花过程

苏钻贤; 宁振辰; 汪情; 陈厚彬

doi:10.13925/j.cnki.gsxb.20240613

果树学报 ›› 2025, Vol. 42 ›› Issue (5) : 1045 -1056. DOI: 10.13925/j.cnki.gsxb.20240613

通过机器学习预测模型理解荔枝开花过程

苏钻贤, 宁振辰, 汪情, 陈厚彬

作者信息 +

Author information +

文章历史 +

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3.6～3.7 d，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。