【摘要】【目的】提出一种优化模型精度的机器学习网格搜索方法,解决滴灌玉米光合响应曲线模型参数确定难、精度低等问题,为滴灌玉米光合生理机制及光合响应特征提供新思路。【方法】2017年和2018年以宁夏玉米主栽品种(TC19)为试验材料,设置6个施钾水平(0(K0)、90 kg·hm~(-2)(K1)、180 kg·hm~(-2)(K2)、270 kg·hm~(-2)(K3)、360 kg·hm~(-2)(K4)、450 kg·hm~(-2)(K5)),使用Li-6400XT光合仪测定不同钾肥水平下玉米吐丝期光响应曲线。运用机器学习网格搜索法和非线性回归分析法对基于直角双曲线修正模型的光响应曲线进行拟合。选取决定系数(R2)、均方根误差(RMSE)及平均绝对误差(MAE)对模型精度进行评价。【结果】在玉米吐丝期,叶片光合参数Pn、Tr和Gs随施钾量的增加呈先增大后减小的趋势。拟合评价结果表明,在K0和K1处理下机器学习方法计算效果优于传统方法,R2均大于0.991,RMSE均小于1.487,MAE均小于1.350。在K2—K5处理下,2种方法拟合效果相当,R2均大于0.993,RMSE均小于0.952、MAE均小于0.860。最优拟合方法(网格搜索法)对光响应特征参数计算结果表明,α、Pnmax、Rd、LSP和LCP的变化趋势与其光合参数相似。在施钾量为360 kg·hm~(-2)(K4)时,各光响应特征参数均达到最大,在450 kg·hm~(-2)(K5)时出现光抑制现象。【结论】基于机器学习的网格搜索法可准确地拟合宁夏滴灌玉米光响应特征,且施钾量为360 kg·hm~(-2)时玉米光合性能达到最佳。