[发明专利]一种基于随机森林回归的农田氮淋失预测方法

说明书

本发明涉及氮淋失预测技术领域，具体涉及一种基于随机森林回归的农田氮淋失预测方法，包括获取样本数据，对研究变量进行预处理；对预处理后的相关变量执行土壤分层、取对数、数据标准化的操作；建立氮淋失的随机森林回归模型，根据多指标值评估模型效果和性能；利用随机森林回归模型的学习结果预测氮淋失量。本发明同现有技术相比，基于多因素进行拟合，更加符合实际情况，实现了精度高、简单、有效的农田氮淋失预测效果。

技术领域

本发明涉及氮淋失预测技术领域，具体涉及一种基于随机森林回归的农田氮淋失预测方法。

背景技术

随着以高水肥投入为主要特征的农业集约化进程的发展，我国农田氮淋失现象逐步加重，面源污染问题日渐突出。氮淋失是土壤中氮素随土壤水分向下运移直至进入到作物根区无法到达的区域，最终不能被作物吸收所导致的损失，农田氮淋失会造成地下水硝酸盐含量不断上升，对地下水及饮用水安全构成威胁。因此对氮淋失量进行预测是一项极其重要的工作，可为区域面源污染防控及管理工作提供决策依据，有利于推动农业绿色发展和生态文明建设。

目前，常见的氮淋失量预测模型主要包括指数模型、线性模型、DNDC模型(农业生态系统中碳和氮生物地球化学的计算机模拟模型)等。其中，基于指数模型、线性模型的预测方法常选取单个氮淋失的影响因素(例如施氮量、水分投入量)进行模拟，实际生产中氮素淋失还会受到耕作措施、种植制度、土壤性状、农作物种类及气象条件等的影响，预测效果并不理想；而基于DNDC模型的预测方法是将氮素转化与水文过程相结合模拟氮素淋溶，建模时需要进行校准验证、敏感性分析等操作，预测流程更为复杂且结果容易受到不同深度土壤异质性的影响。

因此，为了解决上述模型的不足，本申请设计了一种基于随机森林回归的农田氮淋失预测方法，实现预测精度高、简单、有效的农田氮淋失预测方法。

发明内容

本发明的目的是填补现有技术的空白，提供了一种基于随机森林回归的农田氮淋失预测方法，实现预测精度高、简单、有效的农田氮淋失预测方法。

为了达到上述目的，本发明提供一种基于随机森林回归的农田氮淋失预测方法，包括以下步骤：

S1，获取样本数据，对研究变量进行预处理；

S2，对预处理后的相关变量执行土壤分层、取对数、数据标准化的操作；

S3，建立氮淋失的随机森林回归模型，根据多指标值评估模型效果和性能；

S4，利用随机森林回归模型的学习结果预测氮淋失量。

S1中的研究变量包括作物生产过程中水、肥、土的特征属性。

特征属性包括但不限于土壤类型、有机质含量、土壤全氮、粘粒含量、砂粒含量、土壤pH、土层深度、秸秆是否还田、总施氮量、氮盈余、水分投入量、水平衡和水分渗漏量。

S1中的预处理包括缺失值处理、异常值处理、数据归一化和标准化中任意一种或多种，整个算法运用了NumPy、Pandas、SkLearn库的方法。

S2的具体步骤如下：

S21，土壤分层：基于土层深度数据分布直方图观察原始数据土壤断层情况，利用R语言数据索引功能将土壤分层；

S22，取对数：采用R语言中Log函数分别基于土壤分层后的数据集对总氮淋失量进行取对数操作；

S23，数据标准化：在数据集取对数的基础上采用标准差标准化的方式对各预测变量进行处理，所用函数为Scale函数，标准化处理后数据均值为0，标准差为1。

S3中建立氮淋失随机森林回归模型，使用Bootstraping自助法随机从原始样本集中采集多个不同的样本来依次训练生成多个不同的决策树，由多个不同的决策树构成随机森林，模型训练过程具体步骤如下：