Análisis del Potencial de Predicción del Rendimiento del Maíz en Varias Fases de Crecimiento Utilizando un Modelo Basado en Procesos y Aprendizaje Profundo
Autores: Ren, Yiting; Li, Qiangzi; Du, Xin; Zhang, Yuan; Wang, Hongyan; Shi, Guanwei; Wei, Mengfan
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Rendimiento de grano
Fases de crecimiento
Características
Modelo WOFOST
Aprendizaje profundo
Predicción de rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
La predicción temprana y precisa del rendimiento de los cultivos es de gran importancia para garantizar la seguridad alimentaria y formular políticas alimentarias. La exploración de las fases y características clave del crecimiento es beneficiosa para mejorar la eficiencia y precisión de la predicción del rendimiento. En este estudio, se desarrolló un enfoque híbrido utilizando el modelo WOFOST y aprendizaje profundo para pronosticar el rendimiento del maíz, que analizó el potencial de predicción del rendimiento en diferentes fases de crecimiento y características. El modelo de Estudios Alimentarios Mundiales (WOFOST) se utilizó para construir un conjunto de datos simulado integral al introducir datos meteorológicos, de suelo, de cultivos y de gestión. Se diseñaron diferentes combinaciones de características en varias fases de crecimiento para pronosticar el rendimiento utilizando métodos de aprendizaje automático y aprendizaje profundo. Los resultados muestran que las características clave de la etapa de crecimiento vegetativo del maíz y de la etapa de crecimiento reproductivo fueron las características del estado de crecimiento y las características relacionadas con el agua, respectivamente. Con el avance continuo de la etapa de crecimiento del cultivo, la capacidad para predecir el rendimiento continuó mejorando. Especialmente después de entrar en la etapa de crecimiento reproductivo, los granos de maíz comienzan a formarse y el rendimiento de la predicción mejora significativamente. Se dieron los resultados del rendimiento del modelo de predicción óptimo en la floración (R = 0.53, RMSE = 554.84 kg/ha, MRE = 8.27%), en la madurez de la leche (R = 0.89, RMSE = 268.76 kg/ha, MRE = 4.01%) y en la madurez (R = 0.98, RMSE = 102.65 kg/ha, MRE = 1.53%). Así, nuestro método mejora la precisión de la predicción del rendimiento y proporciona resultados de análisis confiables para predecir el rendimiento en varias fases de crecimiento, lo que es útil para los agricultores y gobiernos en la toma de decisiones agrícolas. Esto también se puede aplicar a la predicción del rendimiento de otros cultivos, lo que tiene un gran valor para guiar la producción agrícola.
Descripción
La predicción temprana y precisa del rendimiento de los cultivos es de gran importancia para garantizar la seguridad alimentaria y formular políticas alimentarias. La exploración de las fases y características clave del crecimiento es beneficiosa para mejorar la eficiencia y precisión de la predicción del rendimiento. En este estudio, se desarrolló un enfoque híbrido utilizando el modelo WOFOST y aprendizaje profundo para pronosticar el rendimiento del maíz, que analizó el potencial de predicción del rendimiento en diferentes fases de crecimiento y características. El modelo de Estudios Alimentarios Mundiales (WOFOST) se utilizó para construir un conjunto de datos simulado integral al introducir datos meteorológicos, de suelo, de cultivos y de gestión. Se diseñaron diferentes combinaciones de características en varias fases de crecimiento para pronosticar el rendimiento utilizando métodos de aprendizaje automático y aprendizaje profundo. Los resultados muestran que las características clave de la etapa de crecimiento vegetativo del maíz y de la etapa de crecimiento reproductivo fueron las características del estado de crecimiento y las características relacionadas con el agua, respectivamente. Con el avance continuo de la etapa de crecimiento del cultivo, la capacidad para predecir el rendimiento continuó mejorando. Especialmente después de entrar en la etapa de crecimiento reproductivo, los granos de maíz comienzan a formarse y el rendimiento de la predicción mejora significativamente. Se dieron los resultados del rendimiento del modelo de predicción óptimo en la floración (R = 0.53, RMSE = 554.84 kg/ha, MRE = 8.27%), en la madurez de la leche (R = 0.89, RMSE = 268.76 kg/ha, MRE = 4.01%) y en la madurez (R = 0.98, RMSE = 102.65 kg/ha, MRE = 1.53%). Así, nuestro método mejora la precisión de la predicción del rendimiento y proporciona resultados de análisis confiables para predecir el rendimiento en varias fases de crecimiento, lo que es útil para los agricultores y gobiernos en la toma de decisiones agrícolas. Esto también se puede aplicar a la predicción del rendimiento de otros cultivos, lo que tiene un gran valor para guiar la producción agrícola.