文献类型： 中文期刊

作者： 郁凌华 ¹ ; 邢程 ¹ ; 荀静 ¹ ; 缪新伟 ² ; 王军 ³ ; 曹文昕 ⁴ ; 岳伟 ⁵ ;

作者机构： 1.安徽省滁州市气象局

2.安徽省滁州市农业农村技术推广中心

3.安徽省滁州市南谯区农业农村技术推广中心

4.安徽省农业科学院作物研究所

5.安徽省农业气象中心

关键词： 灰色关联分析;粒子群算法;支持向量回归;气象;小麦赤霉病;病穗率

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2023 年 011 期

页码： 1434-1445

收录情况： 北大核心 ; CSCD

摘要： 为探寻小麦赤霉病病穗率预测方法，基于滁州市2005-2020年小麦赤霉病病穗率资料和对应气象资料，运用相关性及灰色关联分析法（GRA）确定小麦赤霉病主要气象影响因子并作为支持向量回归（SVR）模型的输入向量，再利用粒子群算法（PSO）优化SVR模型的惩罚因子C和核函数参数g,建立基于粒子群算法优化的小麦赤霉病预测支持向量回归模型。同时针对本地不同小麦品种，构建PSO-SVR-SOUTH和PSO-SVR-NORTH的PSO-SVR分模型，应用3种模型对滁州地区小麦赤霉病病穗率进行预测。结果表明，拔节期至灌浆期是影响滁州小麦赤霉病的重要时段，各生育时期内降水量、雨日数、湿度、日照等气象因子与赤霉病有高关联；PSO-SVR赤霉病病穗率预测模型的起报时间越接近灌浆期，其预测精度越高，测试样本的预测值与实测值相关系数最高达0.68,均方根误差最小为9.55%;按照不同小麦品种构建的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的预测效果要优于原PSO-SVR模型，其中最迟起报时间的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的平均绝对误差分别较原PSO-SVR模型减少了63.7%和20.8%,均方根误差RMSE较原有模型分别降低了61.6%和40.6%,相关系数分别提高了38.2%和29.4%,拟合优度R~2则分别提高了1.4倍和1.1倍。该模型业务服务效果较好，可用于本地小麦赤霉病预测。