基于XGBoost 的山核桃干腐病多分類預測模型研究*

李 波 ，徐炳潮 ，羅煦欽 ，程云霞

（1.浙江農林大學數學與計算機科學學院，浙江 杭州 311300；2.杭州市臨安區農業農村信息服務中心，浙江 杭州 311300；3.杭州市臨安區太陽鎮公共服務中心，浙江 杭州 311300）

0 引言

山核桃（Carya cathayensis Sarg.）是胡桃科山核桃屬喬木植物，具有很高的經濟價值[1]，全球各地均有種植，在我國主要分布于浙江、安徽兩省。山核桃干腐病又叫山核桃潰瘍病、墨汁病[2]，是危害山核桃產量產值的重大病害。據調查統計，2018 年杭州市臨安區山核桃干腐病發生面積達40 萬畝，發病率高達86.5%，安徽省績溪縣和寧國市均有不同面積的山核桃產地受到山核桃干腐病危害，個別地區發病率高達80%～90%[2]，對山核桃種植戶造成了一定影響。

相關學者在病理和生物學方面對山核桃干腐病進行研究[3]，張傳清等研究發現山核桃干腐病菌（B.dothidea）菌絲生長的溫度范圍為8 ℃～40 ℃，適宜溫度為26 ℃左右[4]；張璐璐研究發現山核桃干腐病的發生與樹齡、郁閉度等因子有關，幼齡樹木和樹齡超過30 年的樹木干腐病發病較輕，陽坡比陰坡發病嚴重[5]；袁紫倩等研究發現山核桃干腐病的感病狀況和土壤pH、速效鉀含量之間呈顯著負相關，與土壤氮鉀比呈顯著正相關，并得出土壤pH 和堿解氮含量、速效鉀含量是影響植株山核桃干腐病感病概率的主要因子，而其中以土壤堿解氮的供應最為重要的實驗結論[6]；吳志輝等研究發現冬季溫度較高，降雨量嚴重不足，而春季雨水又過多的年份，通常病害發生十分嚴重[7]；曹躍騰等在ResNet 算法基礎上開發了一種輕量化病蟲害識別算法Simplify-ResNet[8]，為病蟲害識別提供有效算法；宋中山等提出的基于二值化的Faster R-CNN（Binary Faster R-CNN）區域檢測神經網絡模型對柑橘的黑斑病、潰瘍病、黃龍病、瘡痂病、健康葉片的平均檢測準確率分別為87.2%、87.6%、89.8%、86.4%、86.6%[9]，對復雜背景下的病斑檢測也有較好的效果；馮亞枝等通過分析氣候因素與種植規模對山核桃產量的影響，建立了以Lasso-GM 為基礎的山核桃產量預測模型[10]；夏其表等通過研究建立了基于SFM 算法的山核桃生長發育三維模型[11]，通過圖形方式為研究者展現山核桃生長過程中出現的各類規律。基于上述分析，本研究通過建立干腐病與影響因子之間的預測模型，為干腐病預防工作提供參考，為科學防治、綠色防治提供思路。

1 材料與方法

1.1 實驗材料

本研究通過機器學習算法對未來5 天或者7 天等短期內干腐病的發病程度進行分類預測[10]。前期準備工作是整理所需的歷史氣象數據和干腐病測報記錄，干腐病測報記錄中共有87 條可用于模型預測的數據，分別記錄于臨安區太陽鎮武村、臨安區湍口鎮湍口村和臨安區龍崗鎮興龍村。歷史氣象數據是從臨安區氣象局獲得的臨安區各個站點的氣象數據，采用距離干腐病記錄地點最近的氣象站數據，即臨安區太陽鎮太源村宋家（K1250）、臨安區湍口鎮湍口村小學操場（K1610）和臨安區龍崗鎮興龍村西部基地（K1156）站點信息。圖1 為山核桃干腐病發病程度數據中各類別占比。

圖1 山核桃干腐病發病程度數據中各類別占比

山核桃干腐病發生程度根據病斑數目進行劃分，將得到已發生的干腐病嚴重程度，可以作為統計數據為日后其他工作提供幫助及參考；根據氣象指標[12]進行劃分并建立相應模型后，可以通過天氣預報的氣象數據進行干腐病發病程度的預測，因此圖1 中的發生程度是根據氣象指標進行劃分的，更加符合機器學習算法模型對未來發病程度的預測。用氣象指標進行劃分主要參考李紹進等起草的標準《山核桃干腐病發生氣象等級》[13-14]。

1.1.1 干腐病測報數據獲取及預處理

從專家記錄的干腐病實地觀測報告中獲取到臨安區2013 年、2015 年、2016 年、2017 年的干腐病測報數據并進行縱向處理（2014 年數據因丟失未選取）。將觀測日期對應的10 株山核桃干腐病病斑數目累加，并取平均值作為當時的病斑數目和整理過后的歷史氣象數據對應。

1.1.2 氣象數據獲取及預處理

所采集的氣象因素數據包括每個站點每小時的溫度（0.1 ℃）、濕度（%RH）、降水量（0.1 mm）。將記錄干腐病發病情況日期前5 天（包括記錄當天）的溫濕度數據進行累加取平均，對降水量進行累加得到所需的數據。

1.2 實驗方法

1.2.1 特征選取

特征選取采用主成分分析（PCA）和皮爾遜相關系數結合的方法，通過對比選出對分類結果影響較大的相關因子。

主成分分析法是一種降維的統計方法，借助主成分的方差來表達，方差越大代表此特征包含的信息越多，對最終分類結果的影響越大。皮爾遜相關系數用于度量自變量與因變量之間的相關性，是一種線性相關分析，雖然自然界中存在的相互影響關系大多屬于非線性，但是皮爾遜相關系數可以作為其他分析方法的輔助手段，從而得到更好的分析結果。皮爾遜相關系數得到的結果如表1所示。

表1 皮爾遜相關系數分析表

從表1中可以看出與發病程度類別相關性最低的是風速，僅有0.15，再結合主成分分析（PCA）做綜合對比考量選出實驗所需特征。主成分分析結果如圖2所示。

圖2 主成分分析結果圖

從圖2 中可以看出候平均溫度、候平均濕度、候降水量和病斑數目的個體解釋方差要大于風速的個體解釋方差，上述前四個特征的累計解釋方差相加后上升度大于風速相加后的累計解釋方差上升度，這一結果和皮爾遜相關系數得到的結果基本一致。

因此，綜合考慮后決定選取候平均溫度、候平均濕度、候降水量和病斑數目作為實驗所需特征。

1.2.2 XGBoost算法

XGBoost（eXtreme Gradient Boosting）算法具有較高的效率和預測準確度[15]。XGBoost 算法采用分布前向加性模型，通過優化結構化損失函數實現弱學習器的生成，并且加入了正則項的損失函數以降低過擬合風險[16]，使用預排序、加權分位數等技術來提高算法性能[15]。可用于回歸、分類[17]、排序等任務。其基本工作過程如下：對特征進行預排序，然后分裂，將每一個葉子節點分數加權相加得到最終結果，XGBoost算法工作過程如圖3 所示。

圖3 XGBoost算法工作過程

2 結果及分析

2.1 模型參數設置

經訓練得到的XGBoost模型參數設置如表2所示。

表2 XGBoost參數設置表

2.2 實驗結果

為避免訓練集當作測試集來驗證模型的問題，選用五折交叉驗證方法[16]來測試模型。本研究對比了邏輯回歸、BP神經網絡和XGBoost三種算法作為山核桃干腐病發病程度識別分類器的結果，具體如表3所示。

表3 各模型分類結果評價指標對比

從表3 中可以得出：XGBoost 算法建立的模型要優于另外兩種算法建立的模型。本實驗中XGBoost算法構建的模型優于其他模型的原因在于其預測結果是賦予一定權重的葉子節點相加得到，而非簡單的函數對應關系。

XGBoost 算法通過計算特征得分，對特征重要性進行排名，即可得到哪個特征的變化對干腐病發病的影響較大，從而采取相應的防治措施，具有一定的實際意義。圖4 是四種特征對干腐病發病程度影響的排名。其中，候平均溫度得分79，是山核桃干腐病發病程度氣象判別指標中的關鍵指標；候平均濕度得分30；候降水量得分12；病斑數目得分29。從XGBoost算法給出的各特征得分可以看出，山核桃干腐病發病期未來5 天的平均溫度和平均濕度變化會對干腐病的發病程度產生較大影響，符合諸多學者對病原菌在何種環境下易感易發的研究結論。

圖4 特征重要度排名

3 實驗討論

本研究基于集成學習算法XGBoost、邏輯回歸和BP 神經網絡分析山核桃干腐病發病程度和候平均溫度、候平均濕度、候降水量和病斑數目的關系，在訓練完成后選出預測結果最好的算法。從不同評價指標來看，XGBoost 算法均優于其他兩個算法，采用XGBoost 算法給出的特征權重排名作為干腐病影響因子排名結果。

經過實驗發現短期干腐病發病程度的影響因子中，候平均溫度的得分比其他三個影響因子的得分總和還要高，與張傳清等學者對干腐病病原菌適宜溫度的研究結果相吻合[4]；候平均濕度和病斑數目得分接近，屬于次要影響，但是眾多學者在研究干腐病發病機理的時候將病斑數目作為弱影響因子或者不在考慮范圍內；而候降水量在短期干腐病發病程度的預測中得分最低，表明其影響最小。

諸多學者還研究了土壤[6]、管理條件和樹齡[5]等影響因素與干腐病發病的關系，但是考慮到未來5 天或者7 天內干腐病的發病受上述因素影響較小，所以未列入此次研究中，這是本實驗的不足之處。

4 結語

1）將候平均溫度、候平均濕度、候降水量和病斑數目對短期內山核桃干腐病發病程度的影響進行排名，由圖4 可以得出候平均溫度對山核桃干腐病發病程度影響最大，候平均濕度和病斑數目次之，候降水量影響最小。

2）集成機器學習算法XGBoost 在山核桃干腐病發病程度多分類預測問題上得到的效果優于傳統機器學習算法。