农业资源与环境学报

作者：陈丽,崔运鹏,王末,牛永春,徐爱国,刘珂艺,刘娟,侯颖

单位：中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081,中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081,中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081,中国农业科学院农业资源与农业区划研究所, 北京 100081),中国农业科学院农业资源与农业区划研究所, 北京 100081),中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081,中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081,中国农业科学院农业信息研究所, 北京 100081,农业农村部农业大数据重点实验室, 北京 100081

关键词：玉米丝黑穗病，耕地地力，分类与回归树模型，随机森林模型，极端随机树模型,

基金：国家重点研发计划项目（2017YFD0200607）；中国农业科学院创新工程项目（2021CX013）

为了探究耕地地力与玉米丝黑穗病发生关系，本研究以515个主要玉米种植县域为研究区域，选取有机质（Organic matter，OM）、全氮（Total nitrogen，TN）、全磷（Total phosphorus，TP）、全钾（Total potassium，TK）、有效磷（Available phosphorus，AP）、速效钾（Available potassium，AK）和pH 7种耕地地力因子，分别利用分类与回归树（Classification and regression tree，CART）模型、随机森林（Random forest，RF）模型和极端随机树（Extremely randomized trees，ERT）模型构建了玉米丝黑穗病发生程度与耕地地力因子关系模型，并进行了3种模型效果比较。结果表明：RF和ERT模型总分类性能明显优于CART模型，3个模型在病害发生程度1级（GⅠ）上的查准率（Precision，Pr）、查全率（Recall，Re）、F1 score（F1）值均较高，分类效果比病害发生程度2级（GⅡ）要好，但考虑到准确监测病害高发情况、减少高发病情况在分类预测中漏分机率对开展病害防治的重要性，确定ERT模型为最佳优选分类器。耕地地力特征变量与病害发生程度重要性分析表明，玉米丝黑穗病发生程度与耕地地力因子AP、TK、pH和TP具有一定的相关性。研究结果为深入探究耕地地力对玉米丝黑穗病影响机理提供了线索和支撑。

来源：2021年第5期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2021年第5期