劉靖宇, 李遠(yuǎn)斌, 董 昊, 馮俊辰, 丁云鴻

(哈爾濱師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院,黑龍江哈爾濱 150025)

由于人口的增長和人們生活水平的提高,糧食需求正在迅速增長。Baj?elj等認(rèn)為,糧食需求將在21世紀(jì)中葉以后超過糧食產(chǎn)量[1-3]。小麥?zhǔn)鞘澜缟献钪匾?種糧食作物(小麥、水稻和玉米)之一,全球種植面積超過2.2億hm2/年[4]。中國是全球第一大小麥生產(chǎn)國,其產(chǎn)量約占全球小麥產(chǎn)量的18%[5]。隨著糧食需求的增加,中國需要將糧食產(chǎn)量提高36%才能養(yǎng)活全國[6]。因此,及時(shí)準(zhǔn)確掌握各地區(qū)農(nóng)作物的產(chǎn)量信息,能夠?yàn)榧Z食生產(chǎn)宏觀調(diào)控、經(jīng)濟(jì)政策制定和農(nóng)作物保險(xiǎn)提供信息支持,對服務(wù)國家糧食安全戰(zhàn)略具有重要意義。一般而言,基于過程的作物生長模擬模型和統(tǒng)計(jì)模型是用于產(chǎn)量預(yù)測的常用模型。作物生長模擬模型(如WOFOST[7]、DSSAT[8]、APSIM[9]、STICS[10]和MONICA[11])可以模擬農(nóng)作物的生長發(fā)育和產(chǎn)量形成過程,能夠研究作物產(chǎn)量和環(huán)境條件之間的相互作用[12-14]。然而,大規(guī)模運(yùn)行作物模型非常耗時(shí)[15-16],還需要大量來自實(shí)地統(tǒng)計(jì)的數(shù)據(jù)(如品種特征、管理信息、土壤特性等)以校準(zhǔn)模型[2,17]。因此,難以將該方法擴(kuò)展到多種作物和地區(qū)[18-20]。與基于過程的作物模型相比,統(tǒng)計(jì)模型(如傳統(tǒng)的統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)模型)在大規(guī)模產(chǎn)量預(yù)測中更加有效,因此應(yīng)用更廣泛[20]。已有研究使用傳統(tǒng)的回歸模型進(jìn)行產(chǎn)量預(yù)測。如Lobell等使用多元線性回歸(MLR)模型預(yù)測1980—2003年美國加利福尼亞州的作物產(chǎn)量,且僅使用2～3個氣候變量的簡單方程解釋超過2/3觀測到的產(chǎn)量變化[21]。但與非線性回歸模型相比,傳統(tǒng)的統(tǒng)計(jì)模型(如線性回歸模型)準(zhǔn)確性相對較低。實(shí)際上作物產(chǎn)量與大多環(huán)境因素之間的關(guān)系通常是非線性的[22-24]。機(jī)器學(xué)習(xí)是一種先進(jìn)的統(tǒng)計(jì)技術(shù),可以分析變量與產(chǎn)量之間的非線性關(guān)系[25-28]。最近,有研究開發(fā)出基于統(tǒng)計(jì)的作物產(chǎn)量預(yù)測模型,如人工神經(jīng)網(wǎng)絡(luò)(ANN)、最小絕對值收斂和選擇算子算法(LASSO)、支持向量機(jī)(SVM)和隨機(jī)森林 (RF)[29-32]。Khanal等使用線性回歸和6種機(jī)器學(xué)習(xí)算法預(yù)測玉米產(chǎn)量并比較它們的性能[33]。Leng等使用傳統(tǒng)的線性回歸模型和RF模型預(yù)測1980—2010年美國玉米產(chǎn)量的變化[34]。眾多研究結(jié)果表明,機(jī)器學(xué)習(xí)模型的性能優(yōu)于線性回歸模型。此外,部分機(jī)器學(xué)習(xí)模型能夠識別預(yù)測變量對產(chǎn)量的相對重要性。作物產(chǎn)量受多種因素影響,如作物品種特征、土壤特征、病蟲害等[35],但是先前的大多數(shù)研究都基于單一因素預(yù)測作物產(chǎn)量,如氣候數(shù)據(jù)。Anderson等認(rèn)為,衛(wèi)星遙感可以連續(xù)監(jiān)測不同光譜波段的作物生長,并為作物產(chǎn)量預(yù)測提供有用的補(bǔ)充信息[36-38]。其中,可見光和近紅外數(shù)據(jù)可以用來計(jì)算各種植被指數(shù)以監(jiān)測作物生長,故其在預(yù)測作物產(chǎn)量方面最具優(yōu)勢[39-42]。自從Tucker提出第1個歸一化植被指數(shù)(NDVI)以來[43],幾種流行的植被指數(shù)[NDVI、增強(qiáng)植被指數(shù)(EVI)]已被廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域[44-45]。EVI是NDVI的改進(jìn)版,對較高的冠層葉面積指數(shù)敏感,受大氣氣溶膠的影響較小,是最常用的作物產(chǎn)量預(yù)測指數(shù)。但植被指數(shù)以綠化率為基礎(chǔ),對溫度、水汽壓、吸收輻射等氣象因素引起的植被生理變化不敏感。近年來,日光誘導(dǎo)葉綠素?zé)晒?SIF)這一衛(wèi)星指數(shù)進(jìn)入眾多研究者的視線。SIF是植物葉綠素吸收光能后產(chǎn)生的熒光,反映光合作用效率和響應(yīng)。在農(nóng)業(yè)、生態(tài)學(xué)和氣候研究中,SIF被廣泛應(yīng)用,幫助了解植物對環(huán)境的適應(yīng)性和生長狀態(tài),為農(nóng)作物生產(chǎn)和生態(tài)系統(tǒng)保護(hù)提供有價(jià)值的信息[46-49]。大量研究結(jié)果表明,日光誘導(dǎo)葉綠素?zé)晒?SIF)與生物量直接相關(guān)[50-53],可以直接反映作物的呼吸作用,對環(huán)境變化作出及時(shí)、準(zhǔn)確的響應(yīng)。Somkuti等直接使用SIF來預(yù)測作物產(chǎn)量,并取得比植被指數(shù)更好的結(jié)果[54-56]。同時(shí),由EVI再度改進(jìn)出一個新的植被指數(shù),即無藍(lán)光增強(qiáng)植被指數(shù)(EVI2),它不僅繼承了EVI的全部優(yōu)點(diǎn),還可以消除亞像素和云等造成的藍(lán)光波段的影響。Franch等認(rèn)為,基于氣候數(shù)據(jù)和衛(wèi)星數(shù)據(jù)的作物模型的產(chǎn)量預(yù)測精度普遍優(yōu)于僅基于氣候數(shù)據(jù)的模型[57-59]。Guan等認(rèn)為,各種衛(wèi)星產(chǎn)品具有共同的重疊和互補(bǔ)信息有利于產(chǎn)量預(yù)測[60]。但如何更好地結(jié)合衛(wèi)星數(shù)據(jù)和其他環(huán)境因素來進(jìn)行作物產(chǎn)量預(yù)測還有待進(jìn)一步研究。冬小麥的生長周期可細(xì)分為11個階段,分別是發(fā)芽期、出苗期、分蘗期、越冬期、返青期、拔節(jié)期、孕穗期、抽穗期、開花期、灌漿期、成熟期。Li等將這11個時(shí)期分為4個階段[基于生長期(Bogp)]：T1,發(fā)芽期—分蘗期(10—11 月);T2,分蘗期—拔節(jié)期(12月至次年3月);T3,拔節(jié)期—抽穗期(3—4月);T4,抽穗期—成熟期(5—6 月),并按照這4個階段整理數(shù)據(jù)集[61]。但這樣的時(shí)間劃分方式存在很大的干擾因素。如10月為播種階段,5月下旬至6月上旬為收獲階段,人為因素影響巨大。本研究將多源時(shí)空數(shù)據(jù)(包括時(shí)空數(shù)據(jù)、氣候數(shù)據(jù)、土壤數(shù)據(jù)、衛(wèi)星數(shù)據(jù))按照月份進(jìn)行拆分,去除受人為因素影響最大的10月以及次年的5、6月[基于時(shí)空(Boam)],采用LASSO、嶺回歸(RIDGE)、支持向量機(jī)回歸(SVR)、隨機(jī)森林、XGBoost、輕型梯度提升算法(LightGBM)等6個機(jī)器學(xué)習(xí)算法,對山東省2009—2020年13個縣(市區(qū))的冬小麥產(chǎn)量進(jìn)行預(yù)測,并進(jìn)行相關(guān)研究。本研究旨在解決以下幾個問題：(1)采用本研究的時(shí)間劃分方式整理數(shù)據(jù)集訓(xùn)練模型,其性能與以往的研究相比是否有改進(jìn)?這6種機(jī)器學(xué)習(xí)模型誰的性能最強(qiáng)?最佳預(yù)測時(shí)間段是哪幾個月?(2)多源時(shí)空數(shù)據(jù)對預(yù)測模型是否有積極影響?時(shí)空變量對預(yù)測模型是否有影響? EVI2與SIF對提高預(yù)測精度的作用誰更大?

1 材料與方法

1.1 研究區(qū)域

山東省是我國冬小麥主產(chǎn)區(qū)之一,屬溫帶大陸性季風(fēng)氣候。該地區(qū)主要盛行的輪作方式是冬小麥和夏玉米,本研究僅針對冬小麥進(jìn)行分析。同時(shí),山東省內(nèi)各地所種植冬小麥的品種相近,所以忽略基因型的影響(圖1)。

1.2 數(shù)據(jù)和預(yù)處理

本研究共使用了作物產(chǎn)量和種植面積、氣候數(shù)據(jù)、衛(wèi)星數(shù)據(jù)、土壤數(shù)據(jù)、時(shí)空數(shù)據(jù)等數(shù)據(jù),數(shù)據(jù)集描述見表1。本研究收集的多源數(shù)據(jù)具有不同的時(shí)空分辨率,因此首先將所有變量聚合為縣級空間分辨率和月份時(shí)間分辨率,再匯總每個縣(市、區(qū))的月平均變量。因?yàn)楦髯兞棵總€月對冬小麥的生長具有不同的影響,所以將每個變量按月份劃分為6個因子,作為預(yù)測模型的輸入。

表1 數(shù)據(jù)集的詳細(xì)描述

1.2.1 作物產(chǎn)量和種植面積 基于山東省各縣(市、區(qū))的農(nóng)業(yè)統(tǒng)計(jì)年鑒(http://tjj.shandong.gov.cn/col/col6279/index.html),本研究收集13個縣(市、區(qū))2009—2020年冬小麥種植面積(hm2)和總產(chǎn)量數(shù)據(jù)(kg)。有一些縣域缺失某些年份的數(shù)據(jù),再剔除氣候數(shù)據(jù)、衛(wèi)星數(shù)據(jù)和土壤數(shù)據(jù)等不全的異常數(shù)據(jù),共得到110條樣本數(shù)據(jù)。通過冬小麥總產(chǎn)量和種植面積計(jì)算得到冬小麥產(chǎn)量(kg/hm2)。

1.2.2 氣候數(shù)據(jù) 氣候數(shù)據(jù)來源于MERRA-2數(shù)據(jù)集[62]。MERRA-2是一套由美國國家航空航天局(National Aeronautics and Space Administration,NASA)提供的大氣再分析資料。本研究使用其中的8個氣象因子,包括地表溫度(℃)、降水量(cm)、相對濕度(%)、蒸發(fā)量(cm)、平均風(fēng)速(m/s)、長波輻射(W/m2)、短波輻射(W/m2)和日照時(shí)數(shù)(峰值,h)。

小麥屬于喜涼性作物,溫度、降水、太陽輻射和光照是影響其產(chǎn)量的關(guān)鍵因素。本研究所選的8個氣象因子中,地表溫度、降水量、相對濕度和蒸發(fā)量是反映溫度和降水的變量,長波輻射、短波輻射和日照時(shí)數(shù)是反映太陽輻射和光照的變量,這7個變量已被廣泛應(yīng)用于作物產(chǎn)量研究[63]。另外,風(fēng)速是一個很少被考慮的氣候因素,它可以通過影響葉片氣體和熱交換來影響植物生長,或通過改變?nèi)~片邊界層的厚度來改變水分狀態(tài)[64-65]。

1.2.3 衛(wèi)星數(shù)據(jù) 本研究使用SIF和EVI2共2個衛(wèi)星植被指數(shù)。SIF是近年來研究光合活動的一種新指數(shù),已廣泛應(yīng)用于作物監(jiān)測和產(chǎn)量預(yù)測。SIF數(shù)據(jù)下載自O(shè)CO-2衛(wèi)星(http://data.globalecology.unh.edu)的SIF再分析數(shù)據(jù)集(GOSIF)。GOSIF是一個再分析數(shù)據(jù)集,基于來自O(shè)CO-2、MODIS數(shù)據(jù)和氣候數(shù)據(jù)的SIF數(shù)據(jù),與直接從OCO-2探測中聚合的粗分辨率SIF相比,GOSIF具有更精細(xì)的空間分辨率,全球連續(xù)覆蓋和更長的記錄。EVI2是EVI的改進(jìn)版本,它僅由紅光波段和近紅外波段2個波段計(jì)算得出。與EVI相比,它不僅繼承了EVI的全部優(yōu)點(diǎn),還可以消除亞像素和云等造成的藍(lán)光波段的影響。EVI2數(shù)據(jù)下載自美國國家航空航天局的MOD13A3產(chǎn)品(https://search.earthdata.nasa.gov/search),該產(chǎn)品的數(shù)據(jù)不僅包含NDVI和EVI等2個現(xiàn)成的植被指數(shù),還包括紅光、近紅外、藍(lán)光、中紅外等4個波段的原始數(shù)據(jù)。EVI2由公式(1)計(jì)算得出。

(1)

式中：NIR表示近紅外波段;RED表示紅光波段。

1.2.4 土壤數(shù)據(jù) 土壤理化性質(zhì)是作物產(chǎn)量的關(guān)鍵影響因素,本研究共使用6個土壤變量,其中土壤容重、土壤深度、有機(jī)碳含量、酸堿度pH值和黏土的陽離子交換能力等5個變量[63]來源于世界土壤數(shù)據(jù)庫(HWSD,http://www.tpdc.ac.cn/zh-hans/data/844010ba-d359-4020-bf76-2b58806f9205/)[66],HWSD里中國地區(qū)的數(shù)據(jù)源為中國科學(xué)院南京土壤研究所提供的1995年全國第2次土地調(diào)查的土壤數(shù)據(jù)。使用的最后1個土壤變量為根區(qū)濕度(kg/m2),來源于美國哥達(dá)德空間飛行中心(GSFC)和美國國家環(huán)境預(yù)報(bào)中心(NCEP)聯(lián)合開發(fā)的全球高分辨率的陸面模擬系統(tǒng)(GLDAS),空間分辨率為0.25°×0.25°,時(shí)間分辨率為逐月。

1.2.5 地理基礎(chǔ)數(shù)據(jù) 作物生長狀況和生長環(huán)境具有空間異質(zhì)性,相鄰縣在某一年的作物產(chǎn)量通常是相似的?？臻g自相關(guān)可以通過地理坐標(biāo)(經(jīng)緯度)來解釋[67]。

1.2.6 數(shù)據(jù)預(yù)處理 EVI2、SIF和HWSD土壤數(shù)據(jù)均是柵格數(shù)據(jù),其中EVI2和SIF均是用ENVI軟件從原始數(shù)據(jù)中導(dǎo)出表格數(shù)據(jù),再根據(jù)經(jīng)緯度求縣級月平均數(shù)據(jù)。HWSD土壤數(shù)據(jù)則是先用ArcGIS軟件從原始數(shù)據(jù)庫中導(dǎo)出所需要的表格數(shù)據(jù),再根據(jù)經(jīng)緯度求縣級平均數(shù)據(jù)。為了消除指標(biāo)之間的量綱影響,對所有數(shù)據(jù)作最大值、最小值歸一化處理。

共整理出3個數(shù)據(jù)集：第一,按照Boam劃分方式,先將10月以及次年5月、6月的數(shù)據(jù)剔除掉,再把剩下的數(shù)據(jù)按照月分辨率整理成Boam數(shù)據(jù)集。第二,將數(shù)據(jù)按照Bogp劃分方式整理出來的Bogp數(shù)據(jù)集。第三,先通過收集到的全部數(shù)據(jù)計(jì)算出每個變量的日均值,再刪除經(jīng)緯度坐標(biāo),以此得到Nost(無時(shí)空變量)數(shù)據(jù)集。

1.3 研究方法

采用最小絕對收縮和選擇算子算法(LASSO)、嶺回歸(RIDGE)、支持向量機(jī)回歸(SVR)、隨機(jī)森林(RF)、極端梯度提升回歸(XGBoost)、輕量級梯度提升算法(LightGBM)等6種機(jī)器學(xué)習(xí)算法構(gòu)建冬小麥產(chǎn)量預(yù)測模型,并比較它們的性能。

1.3.1 最小絕對值收斂和選擇算子算法和嶺回歸 LASSO由Robert Tibshirani于1996年首次提出,是一種正則化回歸分析方法,通過變量選擇和正則化可以提高模型的預(yù)測精度和可解釋性。LASSO通過使用特征選擇生成簡約模型,并通過懲罰系數(shù)絕對值之和來避免過擬合。RIDGE是1970年由Hoerl和 Kennard提出的一種算法,也是一種正則化回歸方法,但RIDGE使用L2正則化,而LASSO使用L1正則化。LASSO和RIDGE的模型使用Python 3.9中的scikit-learn包進(jìn)行訓(xùn)練。

1.3.2 支持向量機(jī)回歸 SVR是SVM的一種回歸方法,是一種基于核的算法。與支持向量機(jī)類似,SVR找到一個回歸平面來最小化所有輸入到這個超平面的距離。一般而言,SVR需要1個核函數(shù)將原始空間的所有輸入映射到高維空間,然后在該特征空間中構(gòu)造一個線性函數(shù)來平衡誤差最小化和過擬合。最常用的核函數(shù)有線性核、多項(xiàng)式核和高斯徑向基核。此外,需要調(diào)優(yōu)的超參數(shù)是懲罰系數(shù)C和核系數(shù)gamma,該模型使用Python 3.9中的scikit-learn包進(jìn)行訓(xùn)練。

1.3.3 隨機(jī)森林 RF最早由Leo Breiman和Adele Cutler在1995年提出。RF模型是一種用于回歸和分類的集成學(xué)習(xí)方法,它由許多決策樹組成。在訓(xùn)練階段將訓(xùn)練集分成多個不同的子訓(xùn)練集,再用每個子訓(xùn)練集生成單個決策樹,每個決策樹訓(xùn)練完成后都會給出一個預(yù)測結(jié)果。最后對每個決策樹的預(yù)測結(jié)果取平均值,得到最終的預(yù)測結(jié)果。此外,RF對噪音不敏感,具有很強(qiáng)的魯棒性。決策樹的數(shù)量和最大深度是研究中需要調(diào)優(yōu)的超參數(shù)。該模型使用Python 3.9中的scikit-learn包進(jìn)行訓(xùn)練。

1.3.4 極端梯度提升算法 XGBoost是2014年華盛頓大學(xué)的陳天奇博士提出的一種梯度增強(qiáng)框架下的算法。XGBoost算法的基本原理是在完整數(shù)據(jù)上構(gòu)建多個弱學(xué)習(xí)器,并將所有弱學(xué)習(xí)器的建模結(jié)果進(jìn)行聚合,以獲得更好的回歸或分類性能。XGBoost結(jié)合了正則化模型來防止過擬合,弱學(xué)習(xí)器可以是回歸樹或線性模型。本研究的 XGBoost 模型是基于決策樹建立的。該模型使用Python 3.9中的XGBoost包進(jìn)行訓(xùn)練。

1.3.5 輕型梯度提升算法 LightGBM是微軟于2017年提出的boosting框架,其基本原理與XGBoost一樣,使用基于學(xué)習(xí)算法的決策樹,只是在框架上做了優(yōu)化(重點(diǎn)在模型訓(xùn)練速度上的優(yōu)化)。LightGBM已經(jīng)被應(yīng)用于許多不同類型的數(shù)據(jù)挖掘任務(wù)(如分類、回歸和排序),并顯示出極好的準(zhǔn)確性。LightGBM算法包含基于梯度的單邊采樣(GOSS)和互斥特征捆綁(EFB)2種新技術(shù),這2種技術(shù)分別便于處理大量數(shù)據(jù)實(shí)例和大量特征。因此,與其他類似算法(如XGBoost)相比,LightGBM在計(jì)算速度和內(nèi)存占用方面的表現(xiàn)明顯更好。每棵樹的葉子數(shù)量、迭代速度、樹的最大深度、每張葉子記錄的最小數(shù)量、每次迭代隨機(jī)選擇的特征的比例、每次迭代使用的數(shù)據(jù)的比例是LightGBM算法中需要調(diào)優(yōu)的主要參數(shù)。該模型使用Python 3.9中的lightgbm包進(jìn)行訓(xùn)練。

1.3.6 模型評估 本研究使用留一法交叉驗(yàn)證來評估模型的實(shí)用性,即使用除某縣某年的其他所有縣所有年份的數(shù)據(jù)來訓(xùn)練模型,再對目標(biāo)年份進(jìn)行預(yù)測。該方法是一種被廣泛使用的交叉驗(yàn)證方法,其具有實(shí)現(xiàn)簡單、通用性強(qiáng)、能避免過擬合問題等優(yōu)點(diǎn)。為了評估模型的性能,本研究選擇確定系數(shù)(R2)和均方根誤差(RMSE)作為評估指標(biāo)。R2是最常用于評價(jià)回歸模型優(yōu)劣程度的指標(biāo),其取值范圍為0～1,無單位。R2越大(接近于1),所擬合的回歸方程越優(yōu)。RMSE衡量觀測值與真實(shí)值之間的偏差,常用來作為機(jī)器學(xué)習(xí)模型預(yù)測結(jié)果衡量的標(biāo)準(zhǔn)。RMSE越小,預(yù)測結(jié)果越接近真實(shí)值。RMSE的計(jì)算公式見公式(2)。R2和RMSE由Python 3.9中的scikit-learn包里的函數(shù)計(jì)算得出。

(2)

1.3.7 試驗(yàn)設(shè)計(jì) 本研究共設(shè)計(jì)5個試驗(yàn)來探究問題。試驗(yàn)1：分別用Bogp數(shù)據(jù)集和Boam數(shù)據(jù)集訓(xùn)練6個機(jī)器學(xué)習(xí)模型,比較哪個數(shù)據(jù)集訓(xùn)練出的冬小麥預(yù)測模型性能更強(qiáng),再找出最強(qiáng)模型。試驗(yàn)2：Boam數(shù)據(jù)集中,氣候數(shù)據(jù)、衛(wèi)星數(shù)據(jù)及土壤數(shù)據(jù)中的根區(qū)濕度按照月份劃分,其他為固定變量。本試驗(yàn)抽取10個不同時(shí)間段(11月至次年1月、11月至次年2月、11月至次年3月、11月至次年4月、12月至次年2月、12月至次年3月、12月至次年4月、1—3月、1—4月、2—4月)的數(shù)據(jù)對模型進(jìn)行訓(xùn)練,用得到的R2和RMSE選出預(yù)測效果最佳的時(shí)間段。為了避免機(jī)器學(xué)習(xí)模型的過擬合現(xiàn)象,每個時(shí)間段最低包含3個月的數(shù)據(jù)。試驗(yàn)3：先用包含年份、經(jīng)緯度和氣候變量的數(shù)據(jù)對模型進(jìn)行訓(xùn)練并預(yù)測,依次向數(shù)據(jù)集增加土壤變量和衛(wèi)星變量,并分別對模型進(jìn)行訓(xùn)練測試,最后對比3次訓(xùn)練得到的評估指數(shù),以此探究多源數(shù)據(jù)對產(chǎn)量預(yù)測結(jié)果的影響。試驗(yàn)4：用Nost數(shù)據(jù)集訓(xùn)練模型,將預(yù)測結(jié)果與用Boam數(shù)據(jù)集得到的結(jié)果對比,以此探究時(shí)空變量對預(yù)測結(jié)果的影響。試驗(yàn)5：對衛(wèi)星數(shù)據(jù)進(jìn)行拆分,先用EVI2和其他變量作為模型的輸入,再用SIF和其他變量作為模型的輸入,最后用EVI2+SIF和其他變量作為模型的輸入,以此測試2個衛(wèi)星因子的性能。

2 結(jié)果與分析

2.1 數(shù)據(jù)集的時(shí)間性能研究

由圖2可知,除嶺回歸模型外,其余5種模型均顯示,Boam劃分方式略優(yōu)于Bogp劃分方式。對比Boam數(shù)據(jù)集訓(xùn)練出來的6個預(yù)測模型可知,XGBoost模型的預(yù)測性能最強(qiáng)(R2=0.843 6,RMSE=0.085 8),其次是LightGBM模型(R2=0.680 7,RMSE=0.102 3)和RF模型(R2=0.518 7,RMSE=0.116 4),而嶺回歸模型(R2=0.096 5,RMSE=0.162 4)的性能最差。可能是因?yàn)榇蠖鄶?shù)變量與結(jié)果之間的關(guān)系是非線性的。

試驗(yàn)2用Boam數(shù)據(jù)集來完成,并僅用基于XGBoost算法的冬小麥產(chǎn)量預(yù)測模型來分析。10個時(shí)間段數(shù)據(jù)訓(xùn)練出的模型的R2和RMSE見圖3。可見10個模型的性能差距不大,其中使用11月至次年1月數(shù)據(jù)訓(xùn)練出來的模型性能最好,R2、RMSE分別為0.850 0、0.085 1。故11月至次年1月是最佳預(yù)測時(shí)間段。

2.2 對預(yù)測變量的研究

試驗(yàn)3的R2和RMSE見圖4?？梢娞砑油寥雷兞亢?R2由0.664 3增加到0.794 9,RMSE由0.103 8減小到0.091 0。最后加上衛(wèi)星變量,R2又增加到0.843 6,RMSE減小到0.085 8?？梢婋S著數(shù)據(jù)的多源化,預(yù)測精度在逐步增加。圖5是試驗(yàn)4的R2和RMSE?？梢娞砑訒r(shí)空變量后,R2由0.713 5增加到0.843 6,RMSE由0.106 4減小到0.085 8,說明添加時(shí)空變量對預(yù)測結(jié)果有一定的積極作用。

試驗(yàn)5中3次訓(xùn)練得到的R2和RMSE見圖6。與SIF(R2=0.732 2,RMSE=0.097 4)相比,EVI2(R2=0.797 5,RMSE=0.089 0)對預(yù)測結(jié)果的增幅更大。但用同時(shí)包含兩者的數(shù)據(jù)訓(xùn)練出來的模型(R2=0.843 6,RMSE=0.085 8)性能更加強(qiáng)大。SIF和EVI2對預(yù)測結(jié)果的增益方式不同,故累加兩者之后預(yù)測效果更強(qiáng)。

3 結(jié)論與討論

3.1 數(shù)據(jù)集的時(shí)間性能研究

與Bogp劃分方式相比,按照Boam劃分方式整理數(shù)據(jù)集訓(xùn)練的模型性能更強(qiáng)。不可否認(rèn)的是,以前研究的時(shí)間劃分有一定的道理,但是沒有排除人為因素的影響,就像10月不僅是發(fā)芽期還是播種期,5月和6月不僅是成熟期還是收獲期,這必然對預(yù)測結(jié)果產(chǎn)生一定的影響。排除人為干擾,僅用11月至次年4月的數(shù)據(jù)進(jìn)行預(yù)測,同時(shí)把變量按照月份進(jìn)行劃分,時(shí)間劃分更細(xì)致。

測試的6種機(jī)器學(xué)習(xí)模型中,基于XGBoost算法的冬小麥產(chǎn)量預(yù)測模型性能穩(wěn)居第一,但是此模型也有缺點(diǎn),如占用內(nèi)存較大、運(yùn)行時(shí)間較長。與之相比,LightGBM算法作為XGBoost算法的改進(jìn)版,占用內(nèi)存較小,運(yùn)行速度較快。而LightGBM算法是犧牲了部分精度才獲取到最優(yōu)速度。因此,是使用基于XGBoost算法的模型還是使用基于LightGBM算法的模型,又或是其他機(jī)器學(xué)習(xí)模型,要視具體情況而定。

試驗(yàn)2旨在找到最佳預(yù)測時(shí)間段,因此抽取10個不同時(shí)間段的數(shù)據(jù)進(jìn)行預(yù)測,發(fā)現(xiàn)使用11月至次年1月數(shù)據(jù)訓(xùn)練模型時(shí),得到R2最大值為0.850 0,RMSE最小值為0.085 1。可見,11月至次年1月是最佳預(yù)測時(shí)間段。11月至次年1月的預(yù)測結(jié)果優(yōu)于11月至次年4月的預(yù)測結(jié)果。據(jù)此推斷,數(shù)據(jù)集中的74個變量存在無關(guān)變量或消極變量。進(jìn)而計(jì)算每個變量的貢獻(xiàn)度,貢獻(xiàn)度的取值范圍為0～1,全部變量的貢獻(xiàn)度總和為1。

由表2可知,上年11月日照時(shí)數(shù)、上年12月日照時(shí)數(shù)、1月日照時(shí)數(shù)、3月日照時(shí)數(shù)、4月日照時(shí)數(shù)、3月EVI2等6個變量貢獻(xiàn)度為0,即無關(guān)變量。其中,3月SIF、2月EVI2、上年12月SIF等3個變量為貢獻(xiàn)度最高的3個變量,其貢獻(xiàn)度均在0.1之上。值得注意的是,貢獻(xiàn)度最高的3個變量全都是衛(wèi)星因子,由此可預(yù)見衛(wèi)星數(shù)據(jù)在農(nóng)學(xué)領(lǐng)域的潛力。此外,其他變量貢獻(xiàn)度均在0～0.1之間。

表2 變量貢獻(xiàn)度

3.2 對預(yù)測變量的研究

泱泱華夏地大物博,不同時(shí)間不同地區(qū)的氣候、人文、土壤等均不相同。試驗(yàn)3探究了多源數(shù)據(jù)對冬小麥產(chǎn)量預(yù)測模型的影響,數(shù)據(jù)集由多源數(shù)據(jù)整理而成,結(jié)果表明,每增加1組不同來源的數(shù)據(jù),預(yù)測結(jié)果精度便增加1分?？梢?數(shù)據(jù)越多源,預(yù)測結(jié)果精度越高。本研究共使用時(shí)空數(shù)據(jù)、氣候數(shù)據(jù)、土壤數(shù)據(jù)、衛(wèi)星數(shù)據(jù)等4個來源的數(shù)據(jù)進(jìn)行預(yù)測,像社會因子(灌溉面積、化肥農(nóng)藥等)、高程數(shù)據(jù)等均未使用。故本研究還可以繼續(xù)收集更多源的數(shù)據(jù)整理進(jìn)數(shù)據(jù)集,以使模型性能更強(qiáng),預(yù)測結(jié)果更準(zhǔn)確。

試驗(yàn)4探究時(shí)空變量對預(yù)測結(jié)果的影響,發(fā)現(xiàn)與用不包含時(shí)空變量的Nost數(shù)據(jù)集訓(xùn)練出的預(yù)測模型相比,用加上時(shí)空變量之后的Boam數(shù)據(jù)集訓(xùn)練出的預(yù)測模型精度更高。精度提升較低,這是因?yàn)閮H選擇山東省作為研究區(qū)域,如果把華北平原甚至全中國、全世界作為研究區(qū)域,那時(shí)空變量一定會給預(yù)測結(jié)果帶來更大的提升。

試驗(yàn)5探究EVI2和SIF對預(yù)測結(jié)果的影響。在農(nóng)業(yè)領(lǐng)域,已有學(xué)者使用衛(wèi)星數(shù)據(jù)來源預(yù)測作物產(chǎn)量,使用最多的是NDVI和EVI這2個植被指數(shù)。本研究使用的EVI2指數(shù)是EVI的改良版,至今未曾被用于農(nóng)業(yè)領(lǐng)域。它僅由紅光波段和近紅外波段計(jì)算得出,不受藍(lán)光波段的影響,故性能強(qiáng)于EVI,本研究探究其和近期興起的植被指數(shù)SIF的性能誰更強(qiáng)。結(jié)果表明,EVI2的性能強(qiáng)于SIF,但兩者的疊加效果又強(qiáng)于兩者單獨(dú)的作用?？梢?2個植被指數(shù)的作用域不同,預(yù)測時(shí)可疊加兩者使模型性能變得更強(qiáng)。

3.3 結(jié)論

本研究開發(fā)基于機(jī)器學(xué)習(xí)算法的冬小麥產(chǎn)量模型,通過整合多源時(shí)空數(shù)據(jù)(時(shí)空數(shù)據(jù)、氣候數(shù)據(jù)、土壤數(shù)據(jù)、衛(wèi)星數(shù)據(jù))來預(yù)測冬小麥產(chǎn)量,并得出以下結(jié)論。

(1)與以往的研究相比,Boam時(shí)間劃分方式更合理,因而預(yù)測精度更高。測試的6個冬小麥產(chǎn)量預(yù)測模型中,XGBoost模型在預(yù)測冬小麥產(chǎn)量方面具有最優(yōu)性能。6個機(jī)器學(xué)習(xí)模型的性能排序依次是XGBoost模型(R2=0.843 6,RMSE=0.085 8)、LightGBM模型(R2=0.680 7,RMSE=0.102 3)、RF模型(R2=0.518 8,RMSE=0.116 4)、SVR模型(R2=0.495 6,RMSE=0.118 3)、LASSO模型(R2=0.273 4,RMSE=0.135 0)、RIDGE(R2=0.096 5,RMSE=0.162 4)。結(jié)果表明,11月至次年1月是進(jìn)行冬小麥產(chǎn)量預(yù)測的最佳時(shí)間段。由6個月縮減到3個月,不僅可以大大縮減整理數(shù)據(jù)集的工作量,還可以增強(qiáng)模型的性能。數(shù)據(jù)集中存在無關(guān)變量。3月SIF、2月EVI2、上年12月SIF等3個變量為貢獻(xiàn)度最高的3個變量,均為衛(wèi)星因子,由此可預(yù)見衛(wèi)星數(shù)據(jù)在農(nóng)學(xué)領(lǐng)域的潛力。

(2)更多源的數(shù)據(jù)能給預(yù)測結(jié)果帶來更大的增益。首先,在數(shù)據(jù)集中依次增加土壤數(shù)據(jù)和衛(wèi)星數(shù)據(jù)后,模型的預(yù)測性能逐漸增強(qiáng)。其次,時(shí)空變量對預(yù)測結(jié)果具有積極的作用。用Boam數(shù)據(jù)集得到的預(yù)測結(jié)果比用沒加時(shí)空變量(年份和經(jīng)緯度)的數(shù)據(jù)得到的預(yù)測結(jié)果精度更高。最后,與SIF相比,EVI2的性能更勝一籌,而同時(shí)使用SIF和EVI2共2個因子的模型性能強(qiáng)于僅適用SIF或EVI2的模型。因此,2個衛(wèi)星植被指數(shù)的作用域不同,在進(jìn)行冬小麥產(chǎn)量預(yù)測時(shí)完全可以疊加兩者使用。

本研究證明,以XGBoost為主的幾個機(jī)器學(xué)習(xí)算法在冬小麥產(chǎn)量預(yù)測方面的能力很強(qiáng),且建模方法可以通過使用公開的數(shù)據(jù)擴(kuò)充本研究的數(shù)據(jù)集,進(jìn)而廣泛應(yīng)用于全世界其他地區(qū)。