基于机器学习的棉花脱叶与成熟关键影响因素量化分析及预测模型构建

针对棉花机械采收中脱叶率(DP)和吐絮率(BOP)难以精准调控的难题，中国农业科研团队在三大棉区开展多年度田间试验，运用随机森林(RF)、支持向量机(SVM)和梯度提升机(GBM)量化分析了XSL(噻苯隆·乙烯利复配剂)施用量、气象因子和群体状态等10个变量对DP、BOP及吐絮增量(IBOP)的影响，构建的预测模型R2>0.7，rRMSE<15%，为棉花机械化采收决策提供了数字化工具。

　　

棉花作为中国重要的经济作物，其机械化采收水平直接影响纺织产业稳定性。然而在实际生产中，脱叶不彻底和吐絮不同步成为制约机械采收效率的瓶颈——根据行业标准，棉田脱叶率和吐絮率需同时达到90%以上才能保证采收质量，但我国主产棉区因气候差异和种植制度限制，施药前吐絮率常不足40%，远低于美国60%的操作阈值。更棘手的是，传统统计方法难以量化乙烯利(ethephon)和噻苯隆(TDZ)复配剂XSL、温度阈值（TDZ需>18.3°C，ethephon需>15.6°C）与群体结构的交互效应，导致脱叶剂施用存在盲目性。

为解决这一难题，来自中国农业科学院等机构的研究团队在2016-2022年间，于黄河流域、长江流域和新疆三大棉区的12个试验点开展了系统研究。通过采集施药前后7/14/21天的叶片数、开铃数等田间数据，结合MERRA-2气象数据库的日均温(AT)、日照时数(SSD)等参数，首次采用多模型融合策略量化了关键影响因素，并构建了高精度预测模型。相关成果发表在农业工程领域权威期刊《Computers and Electronics in Agriculture》上。

研究主要采用三大关键技术：1）多区域田间试验设计，覆盖三大棉区不同生态条件；2）机器学习算法（RF/SVM/GBM）的变量重要性排序与模型构建；3）基于训练集RMSE的变量筛选策略。通过计算脱叶率DP=(N_L0-N_LA)/N_L0×100%、吐絮率BOP=NOB/NTB×100%等关键指标，系统评估了XSL施用量、预处理吐絮率(BOPB)等变量的贡献度。

【结果分析】
3.1 区域气象特征
新疆棉区表现出显著的光热优势——14天累计SSD达210.5小时，相对湿度(RH)仅54.3%，而长江流域RH高达78.2%。这种差异直接影响了药剂吸收效率，新疆地区XSL在脱叶和促吐絮方面的双重功效更为突出。

3.2 变量重要性排序
随机森林分析显示：XSL施用量始终是脱叶率(DP)的首要决定因素（综合排名<5），在黄河流域，最高温(Max.T)对DP的影响紧随其后；而预处理吐絮率(BOPB)对吐絮率(BOP)和吐絮增量(IBOP)的贡献度最高。值得注意的是，新疆地区降雨量(R)对施药后7天BOP的影响位列第二，揭示出干旱区偶发降水对药剂效果的干扰。

3.3 模型预测性能
RF模型展现出最优的预测能力：对BOP的预测R²达0.8以上，RRMSE约10%；在黄河流域，IBOP预测R²>0.9。相比之下，SVM模型在变量重要性评估中与树模型差异较大，尤其在吐絮增量预测中表现不稳定。

【结论与展望】
该研究首次建立了覆盖中国主产棉区的脱叶-吐絮预测体系，揭示出三大创新发现：1）XSL在促脱叶方面的普适性与其在促吐絮方面的区域特异性；2）BOPB作为"群体成熟度指示器"的核心地位；3）新疆棉区光热资源对药剂增效的独特机制。实践层面，建议黄河流域重点关注施药后7天内Max.T>20°C的持续天数，长江流域需调控群体叶面积指数(LAI)，而新疆地区则应优化XSL施用时机避开降水。

未来研究可结合无人机遥感动态监测群体成熟度，并将风速等未被纳入的变量加入模型。该成果为棉花机械化采收的精准决策提供了理论依据和技术支撑，推动传统农艺管理向数字化、智能化转型。