陳厚彬團隊在預測荔枝成花誘導期時長研究方麵獲得新進展

審核發布:宣傳部 曾子焉 來源單位及審核人:園藝學院 劉少群 發布時間:2023-01-16瀏覽次數:10

  花誘導指植物從營養生長向生殖生長轉變的關鍵過程。荔枝成花誘導受多種因素包括樹齡、品種和動態的環境氣候變量影響,花誘導期時長對荔枝開花時間和成花質量起著決定性的作用。

  近日,我校園藝學院、嶺南現代農業科學與技術廣東省實驗室茂名分中心、廣東省荔枝工程研究中心陳厚彬研究員團隊應用機器學習技術準確預測了荔枝成花誘導期時長,並篩選出影響荔枝成花誘導期的重要生態和生理因素,相關研究成果發表在農林科學領域知名期刊《Computers and Electronics in Agriculture》(中科院1區Top期刊,影響因子6.757),題目為“Predicting flower induction of litchi (Litchi chinensis Sonn.) with machine learning techniques”(鏈接:https://authors.elsevier.com/c/1gPmjcFCSTfRe 

  先前對荔枝成花誘導期時長的研究主要集中於使用數學模型來估計特定荔枝品種的花朵誘導的基礎溫度和冷量需求。然而,更多可能的相關性尚未深入探討。在本研究中,研究者應用包括隨機森林和逐步回歸在內的機器學習算法來預測荔枝成花誘導期時長。利用2009-2020年持續記錄的荔枝品種、樹齡、末次秋梢老熟期、現“白點”期物候以及相應的氣象數據,並考慮了從1小時到10天時間尺度數據集對模型精度的影響。預測模型經5倍交叉驗證R2達到0.96-0.99,對2019年和2020年的成花誘導期盲測R2分別為0.97-0.98和0.78-0.88。 

應用5天時間尺度數據集預測模型的魯棒性和預測準確性評估。A和B,5-fold 999交重複交叉驗證時兩個預測模型的Rp2值。C和D,利用驗證數據集估計模型的預測能力。E-H,利用盲測試數據集估計模型的預測能力。RF,隨機森林模型,STR,逐步回歸模型。

  從以上穩健的預測模型中,作者篩選出影響荔枝成花誘導期時長的重要變量,分別是最低日氣溫降溫速率、末次秋梢成熟時間、最高日氣溫升溫速率、高於22℃最低日氣溫的累積熱量、低於26℃最高日氣溫冷積累量、低於6℃最低日氣溫冷積累量、樹齡和大氣相對濕度等,它們對荔枝成花誘導期時長有著正向或負向影響。 

應用1天時間尺度數據所建隨機森林算法評估的特征重要性(黑色圓圈)、特征與因變量的Pearson(橙色三角形)相關性和Spearman(深綠色三角形)相關性。橫坐標數值表示重要性/相關性的程度,1為最重要/相關,0為不重要/不相關;正負值表示正相關或負相關。

  以上發現將有助於更好地理解影響荔枝誘導過程中的生理和氣象特征,有助於實現荔枝的精準智能管理。

  本論文以亚博ag正规 為第一完成單位,團隊成員蘇鑽賢助理研究員為第一作者,亚博ag正规 園藝學院陳厚彬與貴州大學李雲琦研究員為論文通訊作者,中國科學院長春應用化學研究所劉倫洋助理研究員參與了本研究工作。該研究得到了國家荔枝龍眼技術體係(CARS-32)、粵西特色亞熱帶水果種質創新與新品種培育技術研究與應用(2021B0707010004)和鄉村振興戰略專項資金(農業科技能力提升)項目(43-2018-XMZC-0002-90)的資助。

文圖/園藝學院 蘇鑽賢

返回原圖
/