基于机器学习的评估种子原料和生物刺激剂在雨小麦中的应用

科学领域:

• 农业科学 农业科学
• 农业学是一种农业学.
• 植物生理学 植物生理学

背景情况:

• 雨水小麦种植面临水资源短缺和微量营养素缺乏的挑战.
• 创新的农业实践对于在不理想条件下提高作物生产率至关重要.

研究的目的:

• 为了评估硫酸盐 (ZnSO4) 种子原料与各种叶状微量营养素配方相结合对雨水小麦的影响.
• 利用机器学习模型来预测这些治疗的农学结果.

主要方法:

• 一个实地实验使用了一个因子随机的完整块设计,使用不同的ZnSO4原始度和叶子喷雾剂 (传统,磁化,纳米-Fe,Zn,Mn).
• 测量了包括产量和蛋白质含量在内的农学特征.
• 数据使用ANOVA进行分析,并使用八种回归算法 (线性,,拉索,弹性网,SVR,随机森林,XGBoost,CatBoost) 建模.

主要成果:

• ZnSO4种子初始化加速了尖的出现,增加了植物的高度,并提高了生物产量,其影响在较高度下加剧.
• 叶子生物刺激剂改善了产量成分,谷物产量和蛋白质含量.
• 通过0.3%的ZnSO4原料和纳米-Fe,Zn,Mn叶子应用,获得了最大的谷物产量 (1,648公斤/ha-1).

结论:

• 结合ZnSO4种子原料和纳米生物刺激剂的叶子应用显著提高了雨水小麦的性能.
• 机器学习模型,特别是正规化的回归,在预测农业特征方面表现得非常准确.
• 这些发现表明,营养素吸收具有协同作用,并具有优化作物管理的有效预测潜力.