基于机器学习的遮荫设施内参考作物蒸散量估算
S161.4; 为高效准确地估算遮荫设施内参考作物蒸散量(Reference Evapotranspiration,ET0),该研究通过分析三七栽培遮荫设施(四周及顶部均由黑色遮阳网遮盖,通风性较好)内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith(FAO-56 PM)模型计算的值为标准值,采用贝叶斯优化(Bayesian Optimization,BO)算法优化机器学习方法(支持向量回归机(Support Vector Regression,SVR)、随机森林(Random Forest,RF)和极限学习机...
        Saved in:
      
    
          | Published in | 农业工程学报 Vol. 38; no. 11; pp. 108 - 116 | 
|---|---|
| Main Authors | , , , , , | 
| Format | Journal Article | 
| Language | Chinese | 
| Published | 
            昆明理工大学现代农业工程学院,昆明 650500%南昌工程学院水利与生态工程学院,南昌 330099%长沙理工大学水利与环境工程学院,长沙 410114
    
        01.06.2022
     | 
| Subjects | |
| Online Access | Get full text | 
| ISSN | 1002-6819 | 
| DOI | 10.11975/j.issn.1002-6819.2022.11.012 | 
Cover
| Abstract | S161.4; 为高效准确地估算遮荫设施内参考作物蒸散量(Reference Evapotranspiration,ET0),该研究通过分析三七栽培遮荫设施(四周及顶部均由黑色遮阳网遮盖,通风性较好)内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith(FAO-56 PM)模型计算的值为标准值,采用贝叶斯优化(Bayesian Optimization,BO)算法优化机器学习方法(支持向量回归机(Support Vector Regression,SVR)、随机森林(Random Forest,RF)和极限学习机(Extreme Learning Machine,ELM))中的参数,建立3种遮荫设施内ET0估算模型(BO-SVR、BO-RF和BO-ELM).结果表明:遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型.BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数(平均相对湿度和平均风速)估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d.综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法.研究为遮荫设施内ET0的估算提供有效方法. | 
    
|---|---|
| AbstractList | S161.4; 为高效准确地估算遮荫设施内参考作物蒸散量(Reference Evapotranspiration,ET0),该研究通过分析三七栽培遮荫设施(四周及顶部均由黑色遮阳网遮盖,通风性较好)内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith(FAO-56 PM)模型计算的值为标准值,采用贝叶斯优化(Bayesian Optimization,BO)算法优化机器学习方法(支持向量回归机(Support Vector Regression,SVR)、随机森林(Random Forest,RF)和极限学习机(Extreme Learning Machine,ELM))中的参数,建立3种遮荫设施内ET0估算模型(BO-SVR、BO-RF和BO-ELM).结果表明:遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型.BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数(平均相对湿度和平均风速)估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d.综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法.研究为遮荫设施内ET0的估算提供有效方法. | 
    
| Author | 李晓丽 吴立峰 熊凯 刘小刚 杨启良 陈绍民  | 
    
| AuthorAffiliation | 昆明理工大学现代农业工程学院,昆明 650500%南昌工程学院水利与生态工程学院,南昌 330099%长沙理工大学水利与环境工程学院,长沙 410114 | 
    
| AuthorAffiliation_xml | – name: 昆明理工大学现代农业工程学院,昆明 650500%南昌工程学院水利与生态工程学院,南昌 330099%长沙理工大学水利与环境工程学院,长沙 410114 | 
    
| Author_FL | Yang Qiliang Chen Shaomin Liu Xiaogang Li Xiaoli Wu Lifeng Xiong Kai  | 
    
| Author_FL_xml | – sequence: 1 fullname: Chen Shaomin – sequence: 2 fullname: Li Xiaoli – sequence: 3 fullname: Yang Qiliang – sequence: 4 fullname: Wu Lifeng – sequence: 5 fullname: Xiong Kai – sequence: 6 fullname: Liu Xiaogang  | 
    
| Author_xml | – sequence: 1 fullname: 陈绍民 – sequence: 2 fullname: 李晓丽 – sequence: 3 fullname: 杨启良 – sequence: 4 fullname: 吴立峰 – sequence: 5 fullname: 熊凯 – sequence: 6 fullname: 刘小刚  | 
    
| BookMark | eNo9j0tLw0AcxPdQwVr7McRT4v53N5vkJFJ8QcGLnstusiktsgWDqDff4kELgopSUBBEEYNHDdZPk1e_hRHF08AMzMxvAlV0TyuEpgCbAK5tzXTNThhqEzAmBnfANQkmpMxMDKSCqv_-OKqHYUdiC6iNMYMqmk3v4iQ-zwZxevOUvj4mH_f57eFoLyrOXoroK7sapsdHaX-_2D1IhoP89Lm4eM8uH0Yn_eTzLY-uJ9FYINZDVf_TGlpbmF9tLBnNlcXlxlzTCKG8YriBVEyAlFQQ1-cOYaAwCEGUI3DgMUaox7hjYyYVsXwfXO5b1PMx44pzQWkNTf_2bgkdCN1udXubG7pcbOmdtrctf4ABSlz6DQ_RZbw | 
    
| ClassificationCodes | S161.4 | 
    
| ContentType | Journal Article | 
    
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. | 
    
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. | 
    
| DBID | 2B. 4A8 92I 93N PSX TCJ  | 
    
| DOI | 10.11975/j.issn.1002-6819.2022.11.012 | 
    
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ)  | 
    
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc | 
    
| Discipline | Agriculture | 
    
| DocumentTitle_FL | Estimation of reference evapotranspiration in shading facility using machine learning | 
    
| EndPage | 116 | 
    
| ExternalDocumentID | nygcxb202211012 | 
    
| GrantInformation_xml | – fundername: (国家自然科学基金); (国家自然科学基金); (云南省高校特色作物高效用水与绿色生产重点实验室项目); (云南省基础研究重点项目) funderid: (国家自然科学基金); (国家自然科学基金); (云南省高校特色作物高效用水与绿色生产重点实验室项目); (云南省基础研究重点项目)  | 
    
| GroupedDBID | -04 2B. 4A8 5XA 5XE 92G 92I 93N ABDBF ABJNI ACGFO ACGFS ACUHS AEGXH AIAGR ALMA_UNASSIGNED_HOLDINGS CCEZO CHDYS CW9 EOJEC FIJ IPNFZ OBODZ PSX RIG TCJ TGD TUS U1G U5N  | 
    
| ID | FETCH-LOGICAL-s1022-9fbe4a1bb3a29d68241e01aa2e8a0fc4423c468704be25dd196d53cd046e66a33 | 
    
| ISSN | 1002-6819 | 
    
| IngestDate | Thu May 29 04:08:36 EDT 2025 | 
    
| IsPeerReviewed | false | 
    
| IsScholarly | true | 
    
| Issue | 11 | 
    
| Keywords | 三七 机器学习 作物 模型 敏感性分析 蒸散量 贝叶斯优化算法  | 
    
| Language | Chinese | 
    
| LinkModel | OpenURL | 
    
| MergedId | FETCHMERGED-LOGICAL-s1022-9fbe4a1bb3a29d68241e01aa2e8a0fc4423c468704be25dd196d53cd046e66a33 | 
    
| PageCount | 9 | 
    
| ParticipantIDs | wanfang_journals_nygcxb202211012 | 
    
| PublicationCentury | 2000 | 
    
| PublicationDate | 2022-06-01 | 
    
| PublicationDateYYYYMMDD | 2022-06-01 | 
    
| PublicationDate_xml | – month: 06 year: 2022 text: 2022-06-01 day: 01  | 
    
| PublicationDecade | 2020 | 
    
| PublicationTitle | 农业工程学报 | 
    
| PublicationTitle_FL | Transactions of the Chinese Society of Agricultural Engineering | 
    
| PublicationYear | 2022 | 
    
| Publisher | 昆明理工大学现代农业工程学院,昆明 650500%南昌工程学院水利与生态工程学院,南昌 330099%长沙理工大学水利与环境工程学院,长沙 410114 | 
    
| Publisher_xml | – name: 昆明理工大学现代农业工程学院,昆明 650500%南昌工程学院水利与生态工程学院,南昌 330099%长沙理工大学水利与环境工程学院,长沙 410114 | 
    
| SSID | ssib051370041 ssj0041925 ssib001101065 ssib023167668  | 
    
| Score | 2.4075656 | 
    
| Snippet | S161.4; 为高效准确地估算遮荫设施内参考作物蒸散量(Reference Evapotranspiration,ET0),该研究通过分析三七栽培遮荫设施(四周及顶部均由黑色遮阳网遮盖,通风性较好)内及... | 
    
| SourceID | wanfang | 
    
| SourceType | Aggregation Database | 
    
| StartPage | 108 | 
    
| Title | 基于机器学习的遮荫设施内参考作物蒸散量估算 | 
    
| URI | https://d.wanfangdata.com.cn/periodical/nygcxb202211012 | 
    
| Volume | 38 | 
    
| hasFullText | 1 | 
    
| inHoldings | 1 | 
    
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVEBS databaseName: EBSCOhost Academic Search Ultimate issn: 1002-6819 databaseCode: ABDBF dateStart: 20140101 customDbUrl: https://search.ebscohost.com/login.aspx?authtype=ip,shib&custid=s3936755&profile=ehost&defaultdb=asn isFulltext: true dateEnd: 99991231 titleUrlDefault: https://search.ebscohost.com/direct.asp?db=asn omitProxy: true ssIdentifier: ssj0041925 providerName: EBSCOhost  | 
    
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3LaxQxGI-1BdGD-MQ3PZhTmXVmkplJTjLpzlI8eGqhtzLPetpCH6A9-RYPWhBUlIKCIIpYPGqx_jW77fa_8Psy2d1xK3XrZcgmv3zP7OT7QpIh5GrhiDgpmG_leRJYPHZzK4ZEwkrx20VBHMOco3f53vSnZviNWW92ZOxQZdfSynJSS1f_eq7kf7wKdeBXPCV7AM_2iEIFlMG_8AQPw3MoH9PIo7JBVUgjjk8R0cinclLXQJOkocBCWKehrzFQY9MooBLAnEYSAkkaQi9BBWAUFuCnKun4VNWxu_Cp8HShQYWrwTYVTBOsIzsgKICyxCbpUiV0d-DLNIsAOyIYBNPcgUW5XbYbFhsuSIpjd6nlV4D0NB44qooiIE8ITd3BgkxAVyEQqxSqAhBgJZ0-BKjXuwYCODOcVH0AUlpM2jRsaE1Br0YfolsU10IpI5RiwKu6egKJd2-Xlx7vmrRADU0h0j6wdU1PT1CP0zCo6BkgEk3GUS205oHMpK0SuvAv2ivABMTMHn6hu3QsuDHotk0ORbS0MJrCQ8uj87VMRjeOAxMdZeMQG1bKQUkmGMPkQkspcUQpTVS52GcoE-4rJTzRyx6yF2xoKQclmeAOJvyV-R0DAF-YWdoEAExUX3ROZTp3bFGJDJ3yVPDeoEMGno46kEWtx6KG462GVwSbgwJ_3uvevDOf3k4Q4-Ade4fJmAuBiT1KxkJVV41-TuPgsk1v0nXx6gq_v0bgOQy_UNHb14a7Ojy9xcOIcYTQrpDX9hNRn1psFnFzvhJgT58gx01mPB6Wr7mTZGT11ilyLJxfNLcD5afJ9fa7zdbm8-31zfabT-2vH1s_3u-8fbh7b6Pz7Etn49f2q63240fttfuduw9aW-s7Tz93Xnzffvlh98la6-e3nY3XZ8hMI5qenLLMF2CsJVyJsmSR5Dx2koTFrsx8AelGbjswg-QitouUQy6Ych9CDp7krpdlEE5kHkszm_u578eMnSWjzYVmfo6MQ6LnFYVXMFzpTv1cijQtAhHnjsxsN8nOk3Gj_px5wy_NDbjowr8hF8nR_lvmEhldXlzJL0PWspxcMX79DUbg4XY | 
    
| linkProvider | EBSCOhost | 
    
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E9%81%AE%E8%8D%AB%E8%AE%BE%E6%96%BD%E5%86%85%E5%8F%82%E8%80%83%E4%BD%9C%E7%89%A9%E8%92%B8%E6%95%A3%E9%87%8F%E4%BC%B0%E7%AE%97&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E9%99%88%E7%BB%8D%E6%B0%91&rft.au=%E6%9D%8E%E6%99%93%E4%B8%BD&rft.au=%E6%9D%A8%E5%90%AF%E8%89%AF&rft.au=%E5%90%B4%E7%AB%8B%E5%B3%B0&rft.date=2022-06-01&rft.pub=%E6%98%86%E6%98%8E%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E7%8E%B0%E4%BB%A3%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E6%98%86%E6%98%8E+650500%25%E5%8D%97%E6%98%8C%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%E6%B0%B4%E5%88%A9%E4%B8%8E%E7%94%9F%E6%80%81%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%8D%97%E6%98%8C+330099%25%E9%95%BF%E6%B2%99%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E6%B0%B4%E5%88%A9%E4%B8%8E%E7%8E%AF%E5%A2%83%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E9%95%BF%E6%B2%99+410114&rft.issn=1002-6819&rft.volume=38&rft.issue=11&rft.spage=108&rft.epage=116&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2022.11.012&rft.externalDocID=nygcxb202211012 | 
    
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg |