Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数
2021-05-12陈志君朱振闯孙仕军王秋瑶苏通宇付玉娟
陈志君,朱振闯,孙仕军,王秋瑶,苏通宇,付玉娟
·农业水土工程·
Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数
陈志君,朱振闯,孙仕军,王秋瑶,苏通宇,付玉娟※
(沈阳农业大学水利学院,沈阳 110866)
为准确模拟膜下滴灌玉米逐日蒸散量和作物系数,该研究以4个经典机器学习模型:随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、BP神经网络(BackPropagation Neural Network,BP)和Adaboost集成学习模型(Adaboost,ADA)为基础,基于Stacking算法建立了集成学习模型(Linear Stacking Model,LSM)对膜下滴灌玉米逐日蒸散量和作物系数进行模拟。并将LSM的模拟精度与RF、SVM、BP和ADA模型的模拟精度相比较,结果表明:1)RF、SVM、BP和ADA模型模拟膜下滴灌玉米的逐日蒸散量和作物系数时的相对均方根误差均大于0.2;2)相比RF、SVM、BP和ADA模型,LSM模型提高了玉米逐日蒸散量和作物系数模拟精度。LSM模拟的膜下滴灌玉米的作物系数相比于FAO推荐值更接近实测值;3)日序数、平均温度、株高、叶面积指数和短波辐射5个特征对玉米膜下滴灌玉米日蒸散量和作物系数影响最高,基于这5个特征建立的LSM模型模拟膜下滴灌玉米的蒸散量和作物系数的R分别为0.9和0.89,相对均方根误差分别为0.23和0.16。因此,建议在该研究区使用日序数、平均温度、株高、叶面积指数和短波辐射5个特征参数建立LSM模型模拟膜下滴灌玉米蒸散量和作物系数。该研究可为高效节水条件下作物蒸散量和作物系数的精准模拟和合理制定灌溉制度提供参考。
蒸散;模型;温度;机器学习;Stacking集成学习;膜下滴灌;作物系数
0 引 言
作物实际蒸散量(Crop Evapotranspiration, ETa)是指作物实际通过地表和叶面的蒸发和植株蒸腾作用损失的水量[1]。……
