The effect of train-test data splitting ratio on yield prediction from multispectral UAV imagery: effective reduction of training ratio with algorithm selection for single- and multi-date models
Lukas Prey · Patrick Noack
研究不同训练-测试数据划分比例对无人机多光谱小麦产量预测的影响，发现可降低训练比例。
基于德国四年两地点冬小麦育种试验，用UAV NDRE指数和六种机器学习算法比较1
训练比例降至约0.30时预测精度稳定，多时相模型更受益于高比例，SVM和随机森林较优。
可探索在更低训练比例下结合主动学习或迁移学习，进一步降低地面采样成本并验证跨地点泛化性。
基于四年多点小麦育种试验系统评估训练集比例与算法选择对无人机多光谱产量预测的影响，方法扎实、结论实用，对降低表型数据采集成本有直接参考价值。
摘要 背景 优化光谱谷物产量（grain yield, GY）预测模型所需数据的训练-测试比例对于高效采集参考数据至关重要，但迄今鲜有研究涉及。鉴于获取地面真实数据的高昂成本，应尽量减少使用大部分数据进行模型训练、其余部分用于测试的标准数据划分比例，但这反过来可能影响预测精度。方法 因此，本研究评估了11种不同的训练-测试数据划分比例（train-test data splitting ratio, TSR），训练数据占比从5%到95%不等，剩余部分作为测试集。在德国两个地点、为期四年、每个试验包含数千个小区的冬小麦育种试验中，比较了采用六种不同机器学习算法的模型。输入数据包括来自单次测量日期的基于无人机（unmanned aerial vehicle, UAV）的NDRE指数数据以及多日期组合数据。结果 结果表明，当TSR降低至约0.30时，GY预测仍保持相对稳定。相反，多日期模型比单日期模型更倾向于从较高的TSR中获益。支持向量机（support vector machine）和随机森林（random forest）算法在较高TSR和多日期模型中均表现出相对优势，而偏最小二乘回归（partial least squares）和岭回归（ridge regression）在最低TSR值下表现最佳。此外，通过重复数据划分分析发现，TSR为0.30时R²变异性最小，但在较高TSR值下方差显著增大。结论 研究表明，在考虑算法选择的前提下降低TSR有可能在不影响预测精度的情况下减少成本，从而使光谱表型分析方法更加易于获取和实用，但数据点的绝对数量仍需进一步研究。