基于机器学习算法的小麦白粉病预测模型的构建

【作者】 聂晓； 苏畅； 危学华； 徐飞； 范洁茹； 马东方； 曾娟； 黄冲； 刘伟； 李俊凯； 周益林； 骆勇；

【机构】 长江大学农学院； 中国农业科学院植物保护研究所植物病虫害生物学国家重点实验室； 河南省农业科学院植物保护研究所农业农村部华北南部作物有害生物综合治理重点实验室； 全国农业技术推广服务中心； 美国加州大学Kearney农业研究中心；

【摘要】 建立准确的预测模型是实现病害精准防治的关键之一。小麦白粉病是我国小麦生产中的重要病害之一,前人已建立了许多小麦白粉病数理统计预测模型,但数理统计预测模型的使用往往存在一定的局限性。机器学习技术能够帮助人们展示样本发生发展的基本规律,发掘各个数据间人们难以注意的隐藏关系,指导人们对样本的发展趋势做出准确高效的预测,可以有效改善预测模型的局限性。基于此,本研究收集了我国15省（直辖市）68市（县）的小麦白粉病发生程度数据和相应的气象数据,并将这些数据划分为6个数据集作为模型的输入。笔者建立了基于K-近邻、决策树、随机森林、支持向量机和神经网络等机器学习算法和6个气象数据集的小麦白粉病预测模型,并对模型的预测结果进行交叉检验。结果表明,基于支持向量机算法和数据集3的小麦白粉病预测模型的表现最好。本研究进一步使用随机森林算法计算得到各气象变量的重要性排序,并对各变量的预测结果进行交叉验证可得,基于K-近邻算法和重要性排序前八变量的预测模型具有较好的效果。同时,采用基于K-近邻算法和重要性排序前八变量的预测模型预测得到的小麦白粉病发生程度结果数据,绘制了全国小麦冬麦区基于反距离权重法和普通克里金法的1990—2019年的病害发生图。对1990—2019年的不同空间插值法的病害发生图进行计算,得到了相应的预测病害发生面积,并使用回归参数检验法、卡方检验法和最大误差参考方法对不同空间插值法的预测病害发生面积进行了检验。结果表明,IDW₄.0模型的表现最好。综上所述,基于机器学习算法建立的小麦白粉病预测模型可为我国小麦白粉病的防治提供依据。更多还原