麦类作物学报

基于新型极限堆叠泛化算法的小麦育种田产量预测研究

PDF下载

姚东泽 ¹ , 费帅鹏 ¹ , 李雷 ¹ , 贾艺丹 ¹ , 王多霞 ¹ , 韩桐鹤 ¹^,² , 张博涵 ¹^,² , 杨梦娇 ¹^,³ , 肖永贵 ¹

麦类作物学报 | 生理、生态与栽培 2026,46(4): 531-540

收起

麦类作物学报 |生理、生态与栽培 2026 , 46 (4) : 531 -540

基于新型极限堆叠泛化算法的小麦育种田产量预测研究

全屏

姚东泽¹, 费帅鹏¹, 李雷¹, 贾艺丹¹, 王多霞¹, 韩桐鹤¹^,², 张博涵¹^,², 杨梦娇¹^,³, 肖永贵¹

作者信息

^1．中国农业科学院作物科学研究所/国家小麦改良中心/中国作物基因资源与育种全国重点实验室，北京 100081

^2．甘肃农业大学农学院，甘肃兰州 730070

^3．新疆农业职业技术大学，新疆昌吉 831100

通讯作者:

E-mail: yangmengjiao000@163.com（杨梦娇）

xiaoyonggui@caas.cn（肖永贵）

作者简介:

E-mail: 15500351725@163.com（姚东泽）

Yield Prediction of Wheat Breeding Plots Based on a Novel Extreme Stacked Generalization Algorithm

Dongze YAO¹, Shuaipeng FEI¹, Lei LI¹, Yidan JIA¹, Duoxia WANG¹, Tonghe HAN¹^,², Bohan ZHANG¹^,², Mengjiao YANG¹^,³, Yonggui XIAO¹

Affiliations

^1.State Key Laboratory of Crop Gene Resources and Breeding, Institute of Crop Sciences, National Wheat Improvement Centre, Chinese Academy of Agricultural Sciences (CAAS), Beijing, 100081, China

^2.College of Agronomy, Gansu Agricultural University, Lanzhou, Gansu 730070, China

^3.Xinjiang Vocational University of Agriculture, Changji, Xinjiang 831100, China

出版时间: 2026-04-15 doi: 10.7606/j.issn.1009-1041.2026.04.12

文章导航

摘要

收起

针对不同小麦品种产量预测中光谱特征差异利用不足和传统集成学习方法泛化能力有限的问题，本研究提出一种新型极限堆叠泛化算法（extreme stacked generalization, ESG），通过动态优化特征选择与模型组合解析品种间微米级光谱差异，以提高在多品种、跨年份数据中的预测精度和稳定性。基于2018—2020年两个小麦生长季的冠层高光谱反射率数据（覆盖灌浆前期和中期）和产量数据，采用跨年份独立验证（框架1）与多时期融合验证（框架2）双验证体系，以平均绝对误差（mean absolute error, MAE）和均方根误差（root mean squared error, RMSE）评估岭回归（ridge regression, RR）、K最邻近回归（K-nearest neighbors, KNN）、随机森林（random forest, RF）、堆叠泛化算法（stacked generalization, SG）和ESG算法性能。结果表明，ESG算法显著优于其他算法，其预测RMSE降至1.01~1.31 t·hm^-2；跨年份预测的稳定性显著提升，误差波动幅度缩减18.9%，显示出较强的环境适应性和品种区分能力；灌浆中期为最优预测窗口期（RMSE=1.01 t·hm^-2）。这说明ESG算法能够有效适应不同小麦品种的特异性光谱特征和环境变异，实现跨品种、跨年度的产量稳定预测。

关键词

小麦 / 育种田 / 产量预测 / 极限堆叠泛化算法

Abstract

收起

Addressing the challenges of inadequate utilization of spectral feature variations among wheat cultivars and the limited generalization capacity of conventional ensemble learning methods for yield prediction, this study proposed a novel Extreme Stacked Generalization (ESG) algorithm. The ESG method was designed to enhance prediction accuracy and stability across multiple cultivars and years by dynamically optimizing feature selection and model integration, thereby resolving micrometer-level spectral discrepancies among cultivars. The study utilized canopy hyperspectral reflectance and yield data collected over two wheat growing seasons (2018—2020), containing the early and middle grain-filling stages. A dual-validation framework was employed, comprising independent cross-year validation (Framework 1) and multi-period data fusion validation (Framework 2). The performance of the ESG algorithm was benchmarked against Ridge Regression (RR), K-Nearest Neighbors (KNN), Random Forest (RF), and a standard Stacked Generalization (SG) algorithm, using Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE) as evaluation metrics. Results demonstrated that the ESG algorithm significantly outperformed all other models, reducing the prediction RMSE to a range of 1.01-1.31 t·hm^-2. The stability of cross-year predictions was notably improved, with the range of error fluctuation decreasing by 18.9%, indicating strong environmental adaptability and cultivar-discriminating capabilities. Furthermore, the middle grain-filling stage was identified as the optimal prediction window, achieving a RMSE of 1.01 t·hm^-2. This study concludes that the ESG algorithm can effectively adapt to the specific spectral characteristics of different wheat cultivars and environmental variations, enabling robust and stable yield prediction across diverse cultivars and growing years.

Key words

Wheat / Breeding plots / Yield Prediction / Extreme stacked generalization algorithm

引用本文

姚东泽, 费帅鹏, 李雷, 贾艺丹, 王多霞, 韩桐鹤, 张博涵, 杨梦娇, 肖永贵. 基于新型极限堆叠泛化算法的小麦育种田产量预测研究. 麦类作物学报, 2026 , 46 (4) : 531 -540 . DOI: 10.7606/j.issn.1009-1041.2026.04.12

Dongze YAO, Shuaipeng FEI, Lei LI, Yidan JIA, Duoxia WANG, Tonghe HAN, Bohan ZHANG, Mengjiao YANG, Yonggui XIAO. Yield Prediction of Wheat Breeding Plots Based on a Novel Extreme Stacked Generalization Algorithm[J]. Journal of Triticeae Crops, 2026 , 46 (4) : 531 -540 . DOI: 10.7606/j.issn.1009-1041.2026.04.12

基金

收起

科技创新2030—“新一代人工智能”重大项目(2022ZD0115703)
国家自然科学基金项目(32372196)
科技创新工程-高产高效技术集成与示范应用项目(Y2025WC03)
庭州青年科技创新人才项目(2023QN01)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

2026年第46卷第4期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.7606/j.issn.1009-1041.2026.04.12

接收时间：2025-06-09
首发时间：2026-09-11
出版时间：2026-04-15

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-06-09
修回日期：2025-07-08

基金

科技创新2030—“新一代人工智能”重大项目(2022ZD0115703)

国家自然科学基金项目(32372196)

科技创新工程-高产高效技术集成与示范应用项目(Y2025WC03)

庭州青年科技创新人才项目(2023QN01)

作者信息

^1．中国农业科学院作物科学研究所/国家小麦改良中心/中国作物基因资源与育种全国重点实验室，北京 100081

^2．甘肃农业大学农学院，甘肃兰州 730070

^3．新疆农业职业技术大学，新疆昌吉 831100

通讯作者:

E-mail: yangmengjiao000@163.com（杨梦娇）

xiaoyonggui@caas.cn（肖永贵）

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/mlzwxb/CN/10.7606/j.issn.1009-1041.2026.04.12

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT