基于多元回归的烟草长势影响因子分析

doi:10.14088/j.cnki.issn0439-8114.2022.19.018

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (19): 92-96.doi: 10.14088/j.cnki.issn0439-8114.2022.19.018

基于多元回归的烟草长势影响因子分析

农英雄, 陈智斌, 黄聪, 潘剑, 梁冬, 韦屹, 李喆, 周肇峰, 陆瑛

广西中烟工业有限责任公司信息中心,南宁 530001

收稿日期:2021-09-26 出版日期:2022-10-10 发布日期:2022-11-04
通讯作者: 陆瑛（1985-）,广西南宁人,工程师,硕士,主要从事企业信息化管理、大数据研究工作,（电话）18677195300（电子信箱）03429@gxzy.cn。
作者简介:农英雄（1971-）,男,广西天等人,高级工程师,硕士,主要从事企业信息化管理、大数据研究等工作,（电话）0771-3998605（电子信箱）00083@gxzy.cn。
基金资助:
广西科技计划项目（桂科计字〔2016〕380号）; 广西中烟工业有限责任公司科技计划项目（GXZYCX2019E007）

Analysis of influencing factors of tobacco growth based on multiple regression

NONG Ying-xiong, CHEN Zhi-bin, HUANG Cong, PAN Jian, LIANG Dong, WEI Yi, LI Zhe, ZHOU Zhao-feng, LU Ying

Information Center of China Tobacco Guangxi Industrial Co., Ltd., Nanning 530001, China

Received:2021-09-26 Online:2022-10-10 Published:2022-11-04

摘要/Abstract

摘要： 使用GreenSeeker光谱仪获取烟草的NDVI值,并采集土壤温度、土壤湿度、大气温度、风速、室外湿度和太阳辐射量等烟草生长环境影响因子值,建立偏最小二乘法回归、逐步回归、岭回归模型来探究环境影响因子对烟草NDVI值的影响,从而找到一种预测烟草NDVI值的优良方法,以便能够更加快速、准确地了解烟草的长势。试验结果表明,土壤温度、大气温度和室外湿度对烟草长势NDVI值的影响起决定性作用。根据上述回归模型的决定系数R²判断得到结论：偏最小二乘法预测精度最高,岭回归次之,逐步回归预测精度相对较差。

关键词: 烟草长势, 生长环境影响因子, NDVI, 多元回归

Abstract: The NDVI value of tobacco was obtained by GreenSeeker spectrometer, and the values of tobacco growth environmental impact factors such as soil temperature, soil humidity, atmospheric temperature, wind speed, outdoor humidity and solar radiation were collected. Partial least square regression, stepwise regression and ridge regression models were established to explore the impact of environmental impact factors on the NDVI value of tobacco growth. The purpose was to find a good method to predict the NDVI value of tobacco, so as to understand the growth trend of tobacco more quickly and accurately. The results showed that soil temperature, atmospheric temperature and outdoor humidity played decisive roles in the NDVI value of tobacco growth. According to the determination coefficient R² of the above regression models, it is concluded that the prediction accuracy of the partial least squares method is the highest, followed by ridge regression, and the prediction accuracy of stepwise regression is relatively poor.

Key words: tobacco growth, growth environment influencing factors, NDVI, multiple regression analysis

中图分类号:

S572

农英雄, 陈智斌, 黄聪, 潘剑, 梁冬, 韦屹, 李喆, 周肇峰, 陆瑛. 基于多元回归的烟草长势影响因子分析[J]. 湖北农业科学, 2022, 61(19): 92-96.

NONG Ying-xiong, CHEN Zhi-bin, HUANG Cong, PAN Jian, LIANG Dong, WEI Yi, LI Zhe, ZHOU Zhao-feng, LU Ying. Analysis of influencing factors of tobacco growth based on multiple regression[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(19): 92-96.

参考文献

[1] REN J Q, CHEN Z X, ZHOU Q B, et al.Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong China[J]. International journal of applied earth observation and geoinformation, 2008, 10(4): 403-413.
[2] MO X, LIU S, LIN Z, et al.Prediction of crop yield, water consumption and water use with a SVAT-crop growth model using remotely sensed data on the North China Plain[J]. Ecological modelling, 2005, 183(7): 301-322.
[3] FANG H L, LIANG S L, HOOGENBOOM G, et al.Corn-yield estimation through assimilation of remotely sensed data into the CSM-CERES Maize model[J]. International journal of remote sensing, 2008, 98(11): 3011-3032.
[4] 张智韬, 兰玉彬, 郑永军, 等. 影响大豆NDVI的气象因素多元回归分析[J]. 农业工程学报,2015, 31(5):189-193.
[5] ZHANG P P, CAI Y P, WEI Y, et al.Contributions of climatic and anthropogenic drivers to vegetation dynamics indicated by NDVI in a large dam-reservoir-river system[J]. Journal of cleaner production, 2020, 256(4):1-11.
[6] ALI A M, LBRAHIM S M, SINGH B.Wheat grain yield and nitrogen uptake prediction using atLeaf and GreenSeeker portable optical sensors at jointing growth stage[J]. Information processing in agriculture, 2020, 7(3):375-383.
[7] 张佳华,王长耀. 区域归一化植被指数(NDVI)对植被光合作用响应的研究[J]. 干旱区资源与环境,2003,17(1):91-95.
[8] 孔维平. 作物冠层色素含量及其垂直分布遥感监测研究[D].北京:中国科学院大学(中国科学院遥感与数字地球研究所),2018.
[9] ALI A M, THIND H S, SHARMA S, et al.Prediction of dry direct-seeded rice yields using chlorophyll meter leaf color chart and GreenSeeker optical sensor in northwestern India[J]. Field crops research, 2014,161: 11-15.
[10] 卜令铎,李江舟,张立猛,等.玉溪烟田土壤pH和主要养分平均含量及变化特征[J].烟草科技,2017,50(3):23-30.
[11] MULLEN R W, FREEMAN K W, RAUN W R, et al.Identifying an in-season response index and the potential to increase wheat yield with nitrogen[J]. Agronomy journal,2003,95(2):347-351.
[12] 朱浩,张强,孙渭,等.烟草品质性状影响因子的研究进展[J].中国农学通报, 2018, 34(34):25-29.
[13] 李朋彦, 常栋, 王莹, 等. 基于GreenSeeker的烟田管理分区研究[J]. 中国烟草学报, 2015, 21(6):96-102.
[14] 杨尚林, 农英雄, 黄汝维, 等. 基于TAN网络的层次约减数据分类清洗方法[J]. 广西大学学报(自然科学版),2018, 42(3):1053-1061.
[15] WALLACE M P,MOODIE E E M. Correction to “Doubly‐robust dynamic treatment regimen estimation via weighted least squares[J]. Biomertics, 2015, 71(3):636-644.
[16] MEHMETOGLU M, VENTURINI S.Structural equation modelling with partial least squares using Stata and R[M]. Los Angeles: CRC Press, 2020. 11-13.
[17] LEE J, KIM J, HWANG H, et al.Modeling of slag foaming height of electric arc furnace using stepwise regression analysis[J]. Metallurgical research & technology, 2020, 117(1):1-8.
[18] LE Y F, ZHANG H N, SHI W B, et al.Received signal strength based indoor positioning algorithm using advanced clustering and kernel ridge regression[J]. Frontiers of information technology & electronic engineering, 2021, 22(6): 827-838.
[19] 王璇璇, 陈宁江, 练林明, 等.基于谱聚类和矩阵分解的改进协同过滤推荐算法[J].广西大学学报(自然科学版),2020, 45(2):313-320.

基于多元回归的烟草长势影响因子分析

Analysis of influencing factors of tobacco growth based on multiple regression

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	章莲, 袁永生. 经济政策不确定性和生猪疫情对猪肉价格的影响[J]. 湖北农业科学, 2021, 60(6): 176-179.
[2]	徐畅, 高荣. 基于Landsat数据热岛效应与植被的关系研究--以开封市为例[J]. 湖北农业科学, 2021, 60(5): 48-52.
[3]	宋晓静, 周淑琴, 荆耀栋, 王贝贝. 吕梁山植被时空分布规律及地形差异影响[J]. 湖北农业科学, 2021, 60(5): 53-58.
[4]	贺莉微, 孙朋杰, 曾琦. ERA5再分析资料在风能资源方面的应用[J]. 湖北农业科学, 2021, 60(24): 70-75.
[5]	郭宏杰, 马德新. 灰色多元回归模型在文丘里施肥器吸肥性能优化中的应用[J]. 湖北农业科学, 2021, 60(18): 146-150.
[6]	赵小红, 杨俊孝. 农业补贴政策的农业生态环境影响实证分析[J]. 湖北农业科学, 2021, 60(1): 192-196.
[7]	李新元, 王莉, 景海涛, 范晨雨, 余汛. 2000—2015年太行山地区NDVI变化及驱动因素分析[J]. 湖北农业科学, 2020, 59(9): 70-76.
[8]	傅志军, 黄蓉, 周毓栋, 任源鑫. 基于NDVI的渭河流域时空演变分析[J]. 湖北农业科学, 2019, 58(6): 54-57.
[9]	曾德裕, 卢晓宁, 黄玥, 杨柳青, 孟成真. 离散Landsat归一化植被指数的时间序列融合构建[J]. 湖北农业科学, 2019, 58(12): 45-51.
[10]	张淮栋, 陈争光, 张成龙. 基于高分二号-NDVI的大豆遥感估产的时相选择[J]. 湖北农业科学, 2018, 57(6): 103-107.
[11]	翟云, 仙巍, 罗祥, 杨杰. 基于小波分析的川西北三江源区植被周期变化研究[J]. 湖北农业科学, 2018, 57(5): 43-48.
[12]	魏瑞琪, 李林峰, 仙巍, 邵怀勇, 汪盾. 利用TIMESAT软件和时间序列卫星影像提取新疆石河子棉花种植区域[J]. 湖北农业科学, 2018, 57(4): 105-112.
[13]	丁鹏凯, 邵怀勇, 仙巍, 李波, 易霞, 杨青林. 基于RUE与NDVI的人类活动对牧区植被变化干扰强度的研究——以川西北江河源区为例[J]. 湖北农业科学, 2018, 57(23): 48-54.
[14]	杨晶, 张冬有. 时空格局下哈尔滨市LUCC与LST特征分析及分布研究[J]. 湖北农业科学, 2018, 57(21): 60-64.
[15]	吕骁泓, 王成军, 董炜峰, 梅运田. 开化县土地整治对农业生产发展的影响[J]. 湖北农业科学, 2018, 57(1): 122-126.