[发明专利]一种基于机器学习算法的土壤水分预测方法

说明书

本发明属于土壤检测技术领域，公开了一种基于机器学习算法的土壤水分预测方法：建立土壤水分数据及预测因子数据库；土壤水分模拟预测及时空特征检测：采用支持向量机、随机森林和BP神经网络算法在R语言环境下建立土壤水分预测模型；采用相关地统计分析方法对土壤水分进行综合评价和时空特征分析；通过交叉验证等方法分析预测模型，通过精度指标，对该方法的精度进行评价；土壤水分预测因子重要性测定。本发明结合当地实际情况，选取地形、气象、土壤、植被等多方面的预测因子，引入新型算法—机器学习算法构建模型预测土壤水分，力求实现对当地土壤水分的精准预测。

技术领域

本发明属于土壤检测技术领域，尤其涉及一种基于机器学习算法的土壤水分预测方法。

背景技术

目前，业内常用的现有技术是这样的：

土壤水作为联系地下水、地表水和生物水的纽带，是自然界物质转换和传输的重要载体；土壤水分对土壤生态环境、农业可持续性发展等具有直接深远的影响。综合各种成土因素对土壤水分含量状况进行评价在农业科学工作中占有重要地位，也是向科学耕作、精准农业发展的关键步骤。在大田作物的种植和管理中，适宜的土壤水分更是农作物保质保产和预防农业干旱的一个重要因素；因此，对大田土壤水分的有效预测和定量分析在现代农业生产管理中具有重大意义。在西北干旱半干旱地区，旱灾是我国农业生产面临的最主要的自然灾害，通过分析和预测土壤水分的变化规律，研究实用的土壤水分预报方法，提高预报水平，有利于充分利用农业气候资源、预测作物的受旱程度、科学指导农业灌溉和防灾减灾以及为农业估产和旱灾损失评估提供科学依据^[1-2]。土壤水分空间变异既受降水、气温、日照等气象要素的影响，又受到坡度、坡向等地形因素和土壤母质、土壤质地等土壤自身属性的影响。近年来，随着数字地球和精准农业的提出，利用遥感(Remote Sensing，RS)、全球卫星定位系统(Global Positioning System，GPS)、地理信息系统(GeographicInformation System，GIS)相结合的“3S”方法，集成多种因素对土壤水分进行定量、客观、科学的模拟预测和空间分析，成为土壤水分研究中的热点。

由于数据获取方法、数据提取技术、因子量化标准的不同以及预测模型选取的不同，会引起土壤水分预测精度和空间分布特征结果的差异。已用相关证明地形因子对土壤水分的空间分布特征影响显著；已用研究表明植被覆盖度与土壤水分也具有显著相关性；传统地统计学方法在定量分析土壤水分时空间分布变化特征中的应用已较为成熟；利用遥感技术提取相关指标作为协变量对土壤水分空间分布进行反演显示出极大的优越性。

随着遥感平台及传感器技术的发展，高分辨率、高光谱、多时相、多平台的遥感影像数据逐年增加，遥感监测已逐渐形成从不同高度对地观测的立体观测网，遥感数据也因此被地学各领域广泛应用，如利用遥感影像进行土地利用分类、环境监测、资源调查等。充分利用RS数据大范围观测的优势，提取相关地形属性因子和植被覆盖信息；随着全球定位系统的不断改进和完善，通过GPS精确放样定位到样点；利用GIS强大的空间分析功能对气象、地形等相关预测因子进行插值提取分析并对土壤水分空间信息进行挖掘分析，不断提高土壤水分预测精度。由于我国农业土壤特征分布分析不客观、土壤水分数据存在较大精度问题以及缺乏定量分析等问题。

国内，土壤水分的模拟预测和时空变异分析因其对于量化特定区域的生态、水文和自然地理过程具有重要意义，能为数字农业、土壤信息化管理提供可靠的基础数据和技术指导，而成为土壤地理学中研究的热点，国内外学者对土壤水分研究甚多，常用的土壤水分预测模型有经验公式法、水量平衡法、土壤水动力学法、时间序列模型法以及随着遥感数据的使用而逐渐发展成熟的遥感数据反演法等。