高志永博士团队：基于特征优选与�...

来源：市场资讯

（来源：智慧农业期刊）

引用格式：吴明清, 李伟康, 王静, 李靖, 裴仁涛, 黄海涛, 邱皇皇, 雷楚靖, 赵多, 黄锦焘, 高志永. 基于特征优选与优化算法的干热河谷区柑橘蒸腾模拟[J]. 智慧农业(中英文), 2026, 8(4): 192-203.

Citation:WU Mingqing, LI Weikang, WANG Jing, LI Jing, PEI Rentao, HUANG Haitao, QIU Huanghuang, LEI Chujing, ZHAO Duo, HUANG Jingtao, GAO Zhiyong. Estimation of Citrus Transpiration in a Savanna Valley Based on Feature Selection and Optimization Algorithms[J]. Smart Agriculture, 2026, 8(4): 192-203.

DOI： 10.12133/j.smartag.SA202511007

基于特征优选与优化算法的干热河谷区柑橘蒸腾模拟

吴明清1，2，3， 李伟康1，2，3， 王静1，2，3， 李靖1，2，3， 裴仁涛1， 黄海涛1，2， 邱皇皇1，2， 雷楚靖1，2， 赵多1， 黄锦焘4， 高志永1，2，3，5*

（1.云南农业大学水利学院，云南昆明 650201，中国； 2.云南省智慧农业与水安全国际联合研发中心，云南昆明 650201，中国； 3.滇池湖泊生态系统云南省野外科学观测研究站，云南昆明 650228，中国； 4.云南农业大学建筑工程学院，云南昆明 650201，中国； 5.陆良山间盆地土地利用云南省野外科学观测研究站，云南曲靖 655600，中国）

摘要： ［目的/意义］干热河谷正加快建设智慧灌区，蒸腾量是量化作物耗水过程和需水状况的关键指标，其准确模拟是优化灌区水分调控与配水策略、提高灌溉决策可靠性的基础。当前灌区仍以传统机理模型为主，但此类模型参数需求高、对部分参数高度敏感且误差来源复杂，难以在数据受限与地形复杂的实际场景中应用。［方法］本研究以10年生柑橘树为研究对象，收集了2020—2022年期间的树干液流与环境因子数据。采用随机森林递归特征消除（Random Forest-Recursive Feature Elimination, RF-RFE）识别蒸腾的关键驱动因子，并对这些关键因子的贡献进行量化分析。随后，基于RF-RFE筛选出的因子，构建了三种机器学习模型：随机森林、支持向量回归与极端梯度提升（Extreme Gradient Boosting, XGB）。最后，引入粒子群优化、贝叶斯优化与异步连续减半（Asynchronous Successive Halving Algorithm, ASHA）对模型进行超参数优化，并系统评估了12种模型的模拟性能。［结果和讨论］在RF-RFE中，17个候选变量被精简为5个关键因子（实际水汽压、土壤体积含水率、风速、平均气温和日序数），精简后的模型性能不降反升。其中日序数特征重要性最高，有效整合了区域季节性气候变化与柑橘物候特征。综合对比表明，XGB-ASHA模型具有最优的预测性能，其决定系数为0.91，均方根误差为0.19 mm/d。［结论］基于特征优选和代理变量的建模方法，可以实现高精度、低参数依赖的柑橘蒸腾量精准估算，为该地区农业水管理提供智慧决策的科学依据。

关键词： 蒸腾耗水；机器学习；特征选择；智慧农业；水资源管理

图1　2020—2022年试验区域的环境因子与柑橘蒸腾量的日尺度动态变化

Fig. 1 Daily-scale dynamic variations of environmental factors and citrus transpiration in the experimental area during 2020－2022

图2　环境因子与蒸腾作用关系的皮尔逊相关系数

Fig. 2 Pearson correlation coefficients between environmental factors and transpiration

图3　基于RF-RFE方法筛选柑橘日蒸腾量的关键特征及其重要性得分

Fig. 3 Key features and their importance scores for daily citrus transpiration based on the RF-RFE method

图4　12种所构建模型在训练期与测试期柑橘日蒸腾量的估测值与实测值散点图

Fig. 4 Scatter plots of estimated versus observed daily citrus transpiration for the 12 constructed models during the training and testing periods

图5　XGB-ASHA、RF-PSO和XGB-PSO模型蒸腾量真实值与预测值的预测误差比较

Fig. 5 Comparison of prediction errors between measured and predicted transpiration values for XGB-ASHA， RF-PSO， and XGB-PSO models

图6　12种模型对柑橘日蒸腾量的模拟的泰勒图

Fig. 6 Taylor diagram of the 12 models' simulations of daily citrus transpiration

作者简介

高志永 博士

高志永，博士，云南农业大学水利学院讲师，硕士生导师，长期从事非降雨性水分生态水文过程、经济林耗水规律与水分调控等方面的研究。云南省“兴滇英才支持计划”青年人才，主持或参与国家级、省部级科研项目8项，在国内外学术期刊以第一作者或通讯作者发表论文20余篇，合作出版学术专著2部。

来源：《智慧农业（中英文）》2026年第3期

转载请联系编辑部授权

本期支持单位

特别支持单位

支持单位