机器学习技术在现代农业气象中的应用

智慧气象和精准农业结合下的现代农业气象工作意味着对包含遥感影像在内的大型农业和气象数据高时效性的分析与处理,机器学习技术是当代自然科学研究和技术发展的主流技术,亦是现代农业气象科研和业务发展的重要工具.该文系统论述了机器学习技术的主要方法及其在现代农业气象中的主要应用方向,比较了不同方法在农业气象不同领域应用的情况,侧重介绍了基于深度学习技术的成果和近年来的最新研究进展.传统浅层机器学习技术中,以支持向量机和人工神经网络应用最为广泛且效果最为理想.近年来,随机森林和梯度提升机等决策树集成方法普遍取得优于核方法的精度,深度学习技术则在某些任务中取得更优于集成学习的精度.未来,有待检验机器学习技术...

Full description

Saved in:
Bibliographic Details
Published in应用气象学报 Vol. 31; no. 3; pp. 257 - 266
Main Authors 李颖, 陈怀亮
Format Journal Article
LanguageChinese
Published 河南省气象局,郑州 450003 01.05.2020
河南省气象科学研究所,郑州 450003%中国气象局·河南省农业气象保障与应用技术重点实验室,郑州 450003
中国气象局·河南省农业气象保障与应用技术重点实验室,郑州 450003
Subjects
农业气象
农业遥感
机器学习
深度学习
Online AccessGet full text
ISSN1001-7313
DOI10.11898/1001-7313.20200301

Cover

More Information
Summary:智慧气象和精准农业结合下的现代农业气象工作意味着对包含遥感影像在内的大型农业和气象数据高时效性的分析与处理,机器学习技术是当代自然科学研究和技术发展的主流技术,亦是现代农业气象科研和业务发展的重要工具.该文系统论述了机器学习技术的主要方法及其在现代农业气象中的主要应用方向,比较了不同方法在农业气象不同领域应用的情况,侧重介绍了基于深度学习技术的成果和近年来的最新研究进展.传统浅层机器学习技术中,以支持向量机和人工神经网络应用最为广泛且效果最为理想.近年来,随机森林和梯度提升机等决策树集成方法普遍取得优于核方法的精度,深度学习技术则在某些任务中取得更优于集成学习的精度.未来,有待检验机器学习技术特别是深度学习技术在更多农业气象问题上的适用性和先进性,更好地迎接现代农业气象发展的新挑战与新机遇.
ISSN:1001-7313
DOI:10.11898/1001-7313.20200301