基于梯度提升決策樹多特征結(jié)合的茶葉產(chǎn)量預(yù)測

丁 鵬，徐愛俊，周素茵*

( 1. 浙江農(nóng)林大學(xué)信息工程學(xué)院，浙江 杭州 311300；2. 浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 311300)

【研究意義】作物產(chǎn)量的精準(zhǔn)預(yù)測，能夠?yàn)閲肄r(nóng)業(yè)管理和相關(guān)政策的制訂提供有效支撐[1]，同時(shí)在計(jì)劃、生產(chǎn)手段、當(dāng)前決策、運(yùn)輸、庫存和風(fēng)險(xiǎn)管理等方面都具有非常重要的作用[2-3]。茶葉作為我國的一種重要經(jīng)濟(jì)作物，研究其產(chǎn)量預(yù)測模型意義重大?！厩叭搜芯窟M(jìn)展】Moslem Abdipour等[4]建立以紅花次枝的數(shù)量、枝干重、花序中的傘形花序數(shù)以及生物學(xué)產(chǎn)量為輸入的紅花產(chǎn)量人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)預(yù)測模型和多元線性回歸(multiple linear regression，MLR)模型，結(jié)果表明ANN模型的決定系數(shù)、平均絕對誤差和均方根誤差均優(yōu)于MLR。Gniewko Niedbala[5]同樣利用ANN模型，以氣象數(shù)據(jù)和礦物施肥信息為特征預(yù)測冬油菜產(chǎn)量，預(yù)測效果良好，但ANN模型的結(jié)果可解釋性較低，學(xué)習(xí)時(shí)間較長且參數(shù)較復(fù)雜；劉峻明等[6]構(gòu)建多種變量組合的隨機(jī)森林冬小麥產(chǎn)量預(yù)測模型，各模型預(yù)測效果較好，決定系數(shù)均基本高于0.75；Yaping Cai等[7]利用衛(wèi)星反演的遙感植被指數(shù)和氣候變量，構(gòu)建與小麥產(chǎn)量之間的線性方法LASSO以及3種非線性方法，研究表明氣候數(shù)據(jù)與衛(wèi)星數(shù)據(jù)相結(jié)合的非線性方法的預(yù)測效果均優(yōu)于線性方法。任建強(qiáng)等[8]基于歸一化植被指數(shù)和一元線性回歸模型預(yù)測美國各州玉米產(chǎn)量，但一元線性回歸模型的決定系數(shù)較低?，F(xiàn)有關(guān)于作物產(chǎn)量預(yù)測的研究雖然較多，但是茶葉產(chǎn)量預(yù)測方面的卻較少，主要包括兩類：一是通過建立多元線性回歸分析模型[9-10]，實(shí)現(xiàn)茶葉產(chǎn)量預(yù)測，但氣象特征較少、不全面，且該研究的線性模型僅進(jìn)行了擬合，并未對模型的預(yù)測效果進(jìn)行驗(yàn)證與測試；二是通過構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)預(yù)測茶葉產(chǎn)量[11]，但該研究僅以非自然因素為輸入特征，研究樣本量較少且難以分析特征變量對產(chǎn)量的影響?？傊?，現(xiàn)有關(guān)于茶葉產(chǎn)量預(yù)測的研究存在以下問題：特征構(gòu)建不全面、不深入，難以反映具體特征變量對產(chǎn)量的影響，樣本規(guī)模較小且大多以省市為單位進(jìn)行產(chǎn)量預(yù)測等[9-11]?！颈狙芯壳腥朦c(diǎn)】上述關(guān)于作物產(chǎn)量預(yù)測的研究雖然都選取了多維特征，但基本都未將社會(huì)發(fā)展特征加入特征集之中，忽略或事先排除了社會(huì)發(fā)展特征的影響，例如令目標(biāo)變量為作物單產(chǎn)，排除種植面積的影響，可能會(huì)導(dǎo)致模型預(yù)測效果受影響，且無法分析社會(huì)發(fā)展特征對產(chǎn)量所造成的影響以及與其他因素對產(chǎn)量的影響進(jìn)行對比。另外，茶葉的生長發(fā)育環(huán)境十分復(fù)雜[12]，茶葉的產(chǎn)量受到社會(huì)技術(shù)水平、空間位置、氣象條件等多種因素的影響。梯度提升決策樹是對真實(shí)分布擬合最好的機(jī)器學(xué)習(xí)算法之一，它通過學(xué)習(xí)得到多個(gè)弱分類器并進(jìn)行多次迭代來提升模型的性能[13]，具有預(yù)測精度高、構(gòu)建過程簡便、能處理非線性、連續(xù)和離散數(shù)據(jù)、結(jié)果可解釋等優(yōu)點(diǎn)[14-17]，該算法在電力工程、交通運(yùn)輸、控制工程[18-20]等多個(gè)領(lǐng)域均有應(yīng)用，但在茶葉產(chǎn)量預(yù)測上尚未有相關(guān)報(bào)道?！緮M解決的關(guān)鍵問題】因此，本文基于梯度提升決策樹算法，以浙江省為研究區(qū)域，結(jié)合各茶葉主產(chǎn)區(qū)的茶葉年產(chǎn)量數(shù)據(jù)、空間氣象數(shù)據(jù)和社會(huì)發(fā)展特征，選擇不同特征或不同茶區(qū)建立茶葉估產(chǎn)模型，并分析不同特征或不同茶區(qū)對預(yù)測結(jié)果的影響，以期確定影響茶葉產(chǎn)量的決定性和輔助性因素，為茶葉生產(chǎn)管理提供指導(dǎo)意見，并為預(yù)測區(qū)域茶葉產(chǎn)量提供新思路。

1 材料與方法

1.1 研究區(qū)概況

浙江省位于中國東南沿海，東經(jīng)118°01'～123°10'，北緯27°02'～31°11'之間，屬亞熱帶季風(fēng)氣候，四季分明，年氣溫適中，光照較多，降水充足，空氣濕潤。年平均氣溫15～18 ℃，年平均降水量在1500～2000 mm，年平均日照時(shí)數(shù)1710～2100 h。根據(jù)氣候、自然條件、山脈以及行政區(qū)劃等，可將浙江省劃分為浙西北、浙東、浙南和浙中四大茶區(qū)[21]，茶葉產(chǎn)量依次分別約占全省茶葉的35%、45%、5%和15%。

1.2 數(shù)據(jù)來源

本研究的茶葉產(chǎn)量數(shù)據(jù)和社會(huì)發(fā)展要素分別來自《浙江省統(tǒng)計(jì)年鑒》[22]記載的主要茶葉產(chǎn)區(qū)(縣級行政區(qū))的茶葉年產(chǎn)量資料和社會(huì)發(fā)展資料，覆蓋了1995-2016年間連續(xù)為茶葉主產(chǎn)區(qū)的24個(gè)縣(市區(qū))的共528個(gè)有效數(shù)據(jù)，這24個(gè)茶葉主產(chǎn)區(qū)均不屬于浙南茶區(qū)。茶葉主產(chǎn)區(qū)的空間位置數(shù)據(jù)從各縣(市區(qū))的氣象觀測站獲得，分布情況如圖1。氣象數(shù)據(jù)源于《中國地面氣候資料日值數(shù)據(jù)集(V3.0)》[23]，提取浙江省內(nèi)各茶葉主產(chǎn)區(qū)1995-2016年間的逐日氣象數(shù)據(jù)，并通過空間插值方法[24]填充缺失的氣象數(shù)據(jù)。

1.3 研究方法

1.3.1 GBDT模型構(gòu)建 (1)特征集構(gòu)建。本研究模型的特征集共分為兩類：空間氣象特征集和社會(huì)發(fā)展特征集?？臻g氣象特征集中的空間特征包括各茶葉主產(chǎn)區(qū)的經(jīng)度、緯度、高程3個(gè)特征；根據(jù)浙江省茶樹主栽品種和茶葉生產(chǎn)現(xiàn)狀，將茶葉生育期大致劃分為春梢(3-5月)、夏梢(6-8月)和秋梢(9-11月)3個(gè)生長期[25]。冬季的氣候和極端天氣情況等也顯著影響茶葉的產(chǎn)量，為了體現(xiàn)不同時(shí)期的氣象要素對茶葉產(chǎn)量的影響，根據(jù)茶葉生育期按季節(jié)進(jìn)行劃分，其中12、1、2月為冬季，3-5月為春季，6-8月為夏季，9-11月為秋季。茶葉的產(chǎn)量受氣溫、相對濕度、降水量、日照等氣象要素的影響[18]，空間氣象特征集中的氣象特征如下：首先，以年為單位，提取浙江省每年(起始月份為前一年12月)的年均氣溫、年均相對濕度、年降水量、年日照時(shí)數(shù)，共4個(gè)特征；其次，以月為單位提取浙江省每年各季節(jié)的氣象特征，其中月平均氣溫、月平均相對濕度、月日照時(shí)數(shù)、月降水量、月最大風(fēng)速、月最高氣壓為各月均有的共6個(gè)氣象特征。此外，冬季特有的氣象特征為月負(fù)積溫、月日最低溫不高于零下4 ℃的總天數(shù)，冬季氣象特征共計(jì)24個(gè)；春季特有的氣象特征為月日平均氣溫在10～25 ℃之間的總天數(shù)、日平均氣溫不低于10 ℃的活動(dòng)積溫，春季氣象特征共計(jì)24個(gè)；夏季特有的氣象特征為月日最高溫不低于35 ℃的總天數(shù)，夏季氣象特征共計(jì)21個(gè)；秋季特有的氣象特征為日平均氣溫不低于10 ℃的活動(dòng)積溫，秋季氣象特征共計(jì)21個(gè)。最終，確定空間氣象特征共計(jì)97個(gè)。

社會(huì)發(fā)展特征主要是指茶葉的種植規(guī)模、社會(huì)技術(shù)等影響茶葉產(chǎn)量的因素，具體包括茶園面積、農(nóng)業(yè)機(jī)械總動(dòng)力、有效灌溉面積、農(nóng)村用電量、化肥施用量(折純)5個(gè)特征。其中后4個(gè)特征在茶葉產(chǎn)業(yè)中的數(shù)據(jù)均未有文獻(xiàn)記載且難以搜集，所以本文選取縣(市區(qū))整體的指標(biāo)數(shù)據(jù)為特征變量，雖然不能完全代表茶葉產(chǎn)業(yè)，但是能反映農(nóng)作物生長的總的社會(huì)環(huán)境和條件，提高茶葉產(chǎn)量預(yù)測的精度。

(2)GBDT模型。梯度提升決策樹是一種Boosting算法[26](圖2)，其基分類器一般選用分類回歸樹(classification and regression tree，CART)，通過多輪迭代，每輪產(chǎn)生一個(gè)弱分類器, 最終將所有弱分類器加權(quán)求和后即得到集成模型，具體描述如下：

(1)

式中，Τ(x;Φm)為決策樹，Φm為決策樹參數(shù)，x為樣本數(shù)據(jù)，M為決策樹個(gè)數(shù)，ωm為決策樹的權(quán)重，模型共迭代M次，其中第m次的模型為：

Fm(x)=Fm-1(x)+ωmΤ(x;Φm)

(2)

式中，F(xiàn)m-1(x)為當(dāng)前模型，利用最小化損失函數(shù)來確定下一輪決策樹參數(shù)：

(3)

L[yi,Fm-1(xi)+ωmΤ(xi;Φm)]=[yi-(Fm-1(xi)+ωmΤ(xi;Φm))]2

(4)

1.3.2 特征重要度計(jì)算 特征重要度反映了不同特征變量對目標(biāo)變量[各縣(市區(qū))茶葉年產(chǎn)量]的影響程度，GBDT模型對不同特征變量重要性的計(jì)算的基本思想是：首先計(jì)算特征變量j在單棵決策樹中的重要度，如式(5)所示。

(5)

(6)

1.4 模型評價(jià)指標(biāo)

GBDT模型效果的評價(jià)指標(biāo)采用：決定系數(shù)(coefficient of determination，R-Squared)、均方根誤差(root mean square error，RMSE)和平均絕對誤差(mean absolute error，MAE)，三者的計(jì)算方法分別如式(7)、(8)和(9)所示。

(7)

(8)

(9)

2 結(jié)果與分析

2.1 不同特征變量類型對模型的影響分析

以1995-2011年的數(shù)據(jù)作為訓(xùn)練樣本，分別使用97個(gè)空間氣象特征、5個(gè)社會(huì)發(fā)展特征以及全部特征變量作為特征集訓(xùn)練GBDT產(chǎn)量預(yù)測模型，多次試驗(yàn)使各個(gè)模型參數(shù)均達(dá)到最優(yōu)。從圖3中可以看出以空間氣象特征做特征集的模型的預(yù)測效果較差，趨勢較平緩，R-Squared僅為0.44，RMSE高達(dá)3454 t，MAE高達(dá)2074 t，樣本分布比較松散，預(yù)測結(jié)果大部分遠(yuǎn)低于實(shí)際值；以社會(huì)發(fā)展特征做特征集的模型的預(yù)測效果較好，R-Squared達(dá)到0.80，RMSE為2037 t，MAE為1388 t；以全部特征變量做特征集的模型的預(yù)測效果最佳，R-Squared達(dá)到0.90，RMSE為1492 t，MAE為1050 t，樣本分布于1∶1線附近，預(yù)測結(jié)果相較于另外兩個(gè)特征集表現(xiàn)出更小的偏差。

僅使用空間氣象特征預(yù)測茶葉產(chǎn)量時(shí)，由于未考慮茶園面積增加、技術(shù)進(jìn)步等重要的影響茶葉產(chǎn)量的社會(huì)發(fā)展因素，導(dǎo)致預(yù)測結(jié)果的偏差較大；而僅使用社會(huì)發(fā)展特征預(yù)測茶葉產(chǎn)量的預(yù)測精度高，說明社會(huì)發(fā)展特征對茶葉總體產(chǎn)量的影響很大；當(dāng)空間氣象特征與社會(huì)發(fā)展特征結(jié)合預(yù)測茶葉產(chǎn)量時(shí)，預(yù)測精度再次提升，說明這兩類特征對茶葉的預(yù)測都有貢獻(xiàn)，只是空間氣象特征的貢獻(xiàn)比較小。因此，在對茶葉產(chǎn)量進(jìn)行預(yù)測時(shí)，需要重點(diǎn)考慮社會(huì)發(fā)展特征，同時(shí)也要考慮空間氣象特征的影響。

2.2 不同季節(jié)對模型的影響分析

為探究不同季節(jié)對茶葉產(chǎn)量和模型預(yù)測精度的影響，并通過某一季節(jié)的數(shù)據(jù)預(yù)測整年的茶葉產(chǎn)量，以1995-2011年的數(shù)據(jù)作為訓(xùn)練集，2012-2016年的數(shù)據(jù)作為驗(yàn)證集，分別建立春季、夏季、秋季、冬季四個(gè)季節(jié)的空間氣象特征和各季度的社會(huì)發(fā)展特征結(jié)合的特征集，并進(jìn)行模型的訓(xùn)練與驗(yàn)證。由圖4可知，4個(gè)季節(jié)的預(yù)測精度均較高，R-Squared均達(dá)到0.85以上，RMSE和MAE的值均較低，其中春季和冬季的預(yù)測精度比另外兩個(gè)季節(jié)高。由于浙江省春茶的產(chǎn)量占了極大的比重，其次霜凍是茶葉生產(chǎn)中最常見的一種自然災(zāi)害，低溫又是引起霜凍的主要原因，而霜凍和低溫多發(fā)生于冬季和早春時(shí)節(jié)，會(huì)使茶芽受到凍害，導(dǎo)致茶葉產(chǎn)量下降，另外春季適宜的氣溫和積溫會(huì)加快茶芽的萌動(dòng)與發(fā)育，使得茶葉產(chǎn)量上升，故冬季與春季的氣象要素對茶葉產(chǎn)量的影響較大。而夏季與秋季的茶葉產(chǎn)量占比較小，其中夏季茶葉產(chǎn)量主要受到高溫天氣的影響，秋季的氣象要素對茶葉產(chǎn)量的影響較小。綜上所述，利用春季或冬季的空間氣象特征和社會(huì)發(fā)展特征建立GBDT模型可達(dá)到較好的茶葉估產(chǎn)效果。

2.3 不同茶區(qū)對模型的影響分析

各茶區(qū)氣候條件、空間位置、技術(shù)發(fā)展等均有差異，為了探究分茶區(qū)預(yù)測茶葉產(chǎn)量是否會(huì)提升預(yù)測效果，以1995-2011年的數(shù)據(jù)作為訓(xùn)練集，2012-2016年的數(shù)據(jù)作為驗(yàn)證集，將研究數(shù)據(jù)按茶區(qū)進(jìn)行劃分，即將浙江省24個(gè)茶葉主產(chǎn)區(qū)進(jìn)行劃分(浙西北茶區(qū)共包含8個(gè)縣(市區(qū))、浙東茶區(qū)共包含9個(gè)縣(市區(qū))、浙中茶區(qū)共包含7個(gè)縣(市區(qū)))，并分別將各茶區(qū)的空間氣象特征和社會(huì)發(fā)展特征作為特征集，進(jìn)行模型的訓(xùn)練與驗(yàn)證，結(jié)果如圖5-a～c所示。再以所有茶葉產(chǎn)區(qū)的空間氣象特征和社會(huì)發(fā)展特征作為特征集，并訓(xùn)練模型，驗(yàn)證模型階段需對不同茶區(qū)的茶葉產(chǎn)量數(shù)據(jù)分別進(jìn)行驗(yàn)證，結(jié)果如圖5-d～f春茶的產(chǎn)量占了極大的比重，其次霜凍是茶葉生產(chǎn)x測各茶區(qū)茶葉產(chǎn)量的模型的R-Squared分別為0.78、0.93、0.81，RMSE分別為1611、1452、1698 t，MAE分別為1014、1094、1116 t；以所有茶區(qū)的數(shù)據(jù)來預(yù)測各茶區(qū)茶葉產(chǎn)量的模型的R-Squared分別為0.86、0.94、0.80，RMSE分別為1312、1374、1724 t，MAE分別為978、996、1211 t?？梢婋m然中茶區(qū)的估產(chǎn)模型的預(yù)測效果略有降低，但整體上后者估產(chǎn)效果更好，東茶區(qū)的估產(chǎn)模型的預(yù)測效果略有提高，西北茶區(qū)估產(chǎn)模型的預(yù)測效果提高較明顯，R-Squared提高0.08，RMSE降低299 t，MAE降低36 t。

特別地，可以發(fā)現(xiàn)無論是以西北茶區(qū)的數(shù)據(jù)還是以整個(gè)茶區(qū)的數(shù)據(jù)作為特征集，西北茶區(qū)的茶葉產(chǎn)量預(yù)測模型的R-Squared的值雖然不高，但是RMSE和MAE值都相對偏低，可能原因是其預(yù)測值與實(shí)際值比較相近，預(yù)測誤差較低，但是預(yù)測值的變異度較低，與實(shí)際值的平均值差距不大，導(dǎo)致西北茶區(qū)的茶葉產(chǎn)量預(yù)測模型的可靠度相對略低。

另外，根據(jù)茶葉主產(chǎn)區(qū)的茶葉年產(chǎn)數(shù)據(jù)可知，浙西北茶區(qū)和浙東茶區(qū)的茶葉產(chǎn)量分布比較均衡，而浙中茶區(qū)的茶葉產(chǎn)量總體偏低，均分布于15 000 t以下且集中分布于5000 t以內(nèi)，所以預(yù)測浙中茶區(qū)茶葉產(chǎn)量時(shí)，由于同個(gè)茶區(qū)內(nèi)地理位置相近，樣本特征比較相似，易令預(yù)測值靠近訓(xùn)練樣本分布集中的方向。浙西北茶區(qū)和浙東茶區(qū)的茶葉產(chǎn)量預(yù)測精度較高，預(yù)測值與實(shí)際值相比并無明顯偏向，而浙中茶區(qū)的茶葉產(chǎn)量預(yù)測精度較低，實(shí)際產(chǎn)量較高時(shí)往往會(huì)被低估。

綜上，若分茶區(qū)進(jìn)行預(yù)測，雖然將樣本進(jìn)行了劃分，但不同茶區(qū)樣本之間的差異不足以降低模型的預(yù)測效果，反而會(huì)使樣本量減少、樣本的覆蓋面和模型的泛化能力降低，導(dǎo)致驗(yàn)證樣本與訓(xùn)練樣本有較大差異時(shí)，預(yù)測效果變差。因此，無需按茶區(qū)分別構(gòu)建估產(chǎn)模型對各茶區(qū)的茶葉產(chǎn)量進(jìn)行預(yù)測，擴(kuò)大特征集的樣本容量，利用所有茶區(qū)的數(shù)據(jù)所構(gòu)建的估產(chǎn)模型可達(dá)到更好的產(chǎn)量預(yù)測效果。

2.4 特征變量對茶葉產(chǎn)量的影響

利用1995-2016年浙江省茶葉的特征數(shù)據(jù)和產(chǎn)量數(shù)據(jù)分別進(jìn)行基于GBDT的特征重要度分析和特征變量與產(chǎn)量之間的相關(guān)性分析，按重要程度由高到低排序。從表1中可以發(fā)現(xiàn)排名前3的均為社會(huì)發(fā)展特征，依次為茶園面積、農(nóng)村用電量、有效灌溉面積，其重要度遠(yuǎn)高于其他特征變量，且它們的|r|極顯著，值也較大。經(jīng)統(tǒng)計(jì)，5個(gè)社會(huì)發(fā)展特征的重要度共高達(dá)0.708，其中茶園面積的重要度更是高達(dá)0.501，說明社會(huì)發(fā)展特征對茶葉產(chǎn)量的影響起著主導(dǎo)作用，決定了產(chǎn)量的基本數(shù)值。

表1 特征變量的重要度及與產(chǎn)量之間的相關(guān)性分析

第4～10位的特征變量均為空間氣象特征，重要度較低，分布于0.02～0.06之間，第10位之后的特征變量重要度基本都低于0.01。經(jīng)統(tǒng)計(jì)，97個(gè)空間氣象特征的重要度共達(dá)0.292，表明空間氣象特征對茶葉產(chǎn)量的影響起著輔助作用。其中空間特征的重要度共達(dá)0.062，年氣象特征的重要度共達(dá)0.035，春、夏、秋、冬季氣象特征的重要度分別達(dá)0.051、0.047、0.043、0.054，春季和冬季氣象特征的重要度相對較高，這與2.2節(jié)中的研究結(jié)果相一致。另外，氣象要素中年(月)平均氣溫、年(月)平均相對濕度等具有相對較高的重要度，分別達(dá)到0.048和0.055，平均氣溫會(huì)影響茶芽的萌動(dòng)、生長狀況(旺盛、抑制、停止)等，茶葉喜濕，所以平均相對濕度也影響著茶葉的產(chǎn)量，這與以往研究結(jié)果相一致[27-28]。上述結(jié)論再一次印證了之前的研究結(jié)果，即社會(huì)發(fā)展特征對茶葉產(chǎn)量的影響起著決定性作用，而空間氣象特征對茶葉產(chǎn)量的影響作用較小。

從|r|可以看出，社會(huì)發(fā)展特征的重要度與|r|基本呈正相關(guān)關(guān)系，而空間氣象特征的重要度與|r|并無明顯關(guān)系，例如前10位中的3月平均氣溫和1月負(fù)積溫的|r|并不顯著，其余空間氣象特征|r|值也基本只在0.11～0.15之間，而后10位中的4月平均濕度和3月降水量的|r|卻十分顯著，|r|值也分別達(dá)到0.211和0.134。另外，11～91位的空間氣象特征的|r|值大致分布在0～0.2之間，顯著性也無明顯分布規(guī)律。說明單個(gè)空間氣象特征與茶葉產(chǎn)量的相關(guān)性不太具有參考意義，其原因可能是：現(xiàn)代種植技術(shù)以及品種的提升會(huì)削弱氣候、位置等要素對產(chǎn)量所帶來的影響。所以多維、全方位的特征更加適合茶葉產(chǎn)量的預(yù)測。

3 討 論

若選取各縣(市區(qū))茶機(jī)(采茶機(jī)械和修剪機(jī)械)擁有量、茶機(jī)總動(dòng)力、茶園面積、茶園有效灌溉面積等與茶葉產(chǎn)量更加密切相關(guān)的社會(huì)發(fā)展要素作為特征，可能會(huì)進(jìn)一步提升模型的預(yù)測效果，但是以各縣(市區(qū))為單位的與茶機(jī)或茶園相關(guān)的數(shù)據(jù)(除茶園面積)并未記載也難以收集，故本研究只能選取有記載的、較宏觀卻適宜的數(shù)據(jù)，例如農(nóng)機(jī)總動(dòng)力替代茶機(jī)總動(dòng)力、縣(市區(qū))的有效灌溉面積替代茶園有效灌溉面積等。另外，由于資料記載有限，主要茶葉產(chǎn)區(qū)數(shù)和總樣本數(shù)偏少，且茶葉主產(chǎn)區(qū)中未包含茶葉總產(chǎn)量最少的浙南茶區(qū)的縣(市區(qū))，樣本數(shù)據(jù)不全面，可能會(huì)降低估產(chǎn)模型的泛化能力。

茶葉產(chǎn)量會(huì)受到諸多要素的影響，所以其產(chǎn)量預(yù)測是一項(xiàng)復(fù)雜的研究工作，不僅需要選取適宜的特征變量、預(yù)測精度高，而且需要結(jié)果可解釋性高。本文引入社會(huì)發(fā)展特征是為了確切地分析社會(huì)環(huán)境對茶葉產(chǎn)量的影響，同時(shí)能對比分析不同類型特征變量對產(chǎn)量的影響程度，確定影響程度較大的因素，為茶葉的生產(chǎn)管理提供指導(dǎo)意見。因此，關(guān)于多特征的非線性茶葉產(chǎn)量預(yù)測模型的研究是具有一定意義的且是以后的研究重點(diǎn)。

4 結(jié) 論

本文基于梯度提升決策樹算法，結(jié)合浙江省地面氣候資料數(shù)據(jù)、空間特征、社會(huì)發(fā)展特征與茶葉年產(chǎn)量數(shù)據(jù)，建立茶葉產(chǎn)量預(yù)測模型，并探討各個(gè)特征的重要度以及其對茶葉產(chǎn)量的影響。

(1)相較于空間氣象特征或社會(huì)發(fā)展特征，以空間氣象特征和社會(huì)發(fā)展特征為特征集的模型的預(yù)測效果最佳，其決定系數(shù)R-Squared達(dá)到0.90，RMSE為1492 t，MAE為1050 t。另外，社會(huì)發(fā)展特征對產(chǎn)量預(yù)測效果具有巨大貢獻(xiàn)，其模型的R-Squared達(dá)到0.80。

(2)利用春季和冬季的氣象特征預(yù)測茶葉產(chǎn)量，效果要優(yōu)于夏季和秋季，R-Squared均達(dá)到0.89，而利用秋季的氣象特征估產(chǎn)的精度最低，R-Squared達(dá)到0.86，說明春、冬兩季的氣候因素對茶葉產(chǎn)量的影響更大，秋季的影響最小。

(3)通過計(jì)算特征重要度發(fā)現(xiàn)，除社會(huì)發(fā)展特征外，空間氣象特征中空間特征、年氣象特征、春季氣象特征、冬季氣象特征對產(chǎn)量影響較大，氣象因素中年(月)平均氣溫、年(月)平均相對濕度對產(chǎn)量影響較大。另外，社會(huì)發(fā)展特征的重要度與|r|呈正相關(guān)關(guān)系，空間氣象特征的重要度與|r|不具有明顯關(guān)系。