基于PCA-SVR的冬小麦土壤水分预测

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.

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

所属期刊栏目：50

分类号：S152.7;S572(土壤学)

资助基金：国家重点研发计划课题2016YFD0800307;教育部人文社会科学研究规划项目10YJA910010;陕西省农业科技攻关项目2011K02-11;西安市科技计划农业技术研发项目NC150201,NC1402;西北大学研究生质量工程提升项目YZZ17147,YZZ17151

在线出版日期：2018-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：812-818