南疆阿拉尔垦区密植棉花株高模拟研究OA北大核心CSTPCD

【目的】探讨新疆阿拉尔垦区密植条件下不同模型对棉花株高的预测效果。【方法】以株型差异较大的新陆中81号和塔河2号为试验材料,在阿拉尔垦区16000株·hm^(-2)密植条件下开展大田试验,用Python语言建立株高生长的逻辑斯谛(logistic)、冈珀茨(Gompertz)、理查德(Richards)方程和决策树机器学习预测模型,并对模型的预测精度进行分析。【结果】Logistic、Gompertz和Richards模型中,新陆中81号株高的均方根误差(root mean square error,RMSE)分别为8.38%、7.49%和7.52%,平均绝对误差(mean absolute error,MAE)分别为6.80%、5.79%和5.82%;塔河2号株高的RMSE分别为6.09%、4.77%和4.85%,MAE分别为4.52%、3.34%和3.36%。决策树机器学习方法中,新陆中81号与塔河2号株高的RMSE分别为6.91%和3.27%,MAE分别为5.04%和2.16%。Logistic、Gompertz和Richards生长方程以及决策树机器学习方法均能较好地预测密植条件下棉花株高的生长,但在预测精度上决策树机器学习方法总体上优于生长方程。【结论】基于决策树的机器学习方法不需要用数理统计知识解释模型,训练模型需要的数据量也较少,模拟精度更高,在模拟棉花株高方面有一定优势,是对传统生长方程的有益补充。