基于PCA-SVR的冬小麦土壤水分预测

• 作者: 任丽 封涌涛 张彬 李新尧 杨联安 聂红梅
• 来源期刊: 土壤
• 学科: 农学
• 关键词: 支持向量回归机 主成分分析 R语言 土壤水分 冬小麦 宝鸡市
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 研究报告
• 页码范围: 812-818
• 页数: 7页
• 分类号: S152.7|S572
• 字数: 3333字
• 语种: 中文
• DOI: 10.13758/j.cnki.tr.2018.04.022

摘要

土壤含水量状况是影响农作物生长的重要因素,对农作物生长关键期土壤水分的精准预测是田间管理的重要内容.研究选取宝鸡市2014年至2016年冬小麦种植区3—5月的气象、地形和土壤属性3个方面共15个预测因子,建立基于主成分分析(principal component analysis,PCA)的支持向量回归机(support vector regression,SVR)模型预测0～20 cm和20～40 cm土层的土壤水分,并同时采用随机森林(random forest,RF)回归模型对同质数据进行预测分析,以对比分析PCA-SVR模型的预测效果.结果表明:PCA-SVR模型对宝鸡市冬小麦土壤水分的预测在0～20 cm和20～40 cm土层的平均预测精度分别为92.899％和92.656％,RMSE分别为7.521和8.011;随机森林回归预测模型在0～20 cm和20～40 cm土层的平均预测精度为87.632％和87.842％,RMSE分别为10.759和11.042.因此,PCA-SVR模型对宝鸡市冬小麦土壤水分具有更好的预测能力,且模型在0～20 cm土层的预测效果略优于20～40 cm土层.