聂红梅:基于多源数据和机器学习算法的土壤水分预测论文

聂红梅:基于多源数据和机器学习算法的土壤水分预测论文

本文主要研究内容

作者聂红梅(2019)在《基于多源数据和机器学习算法的土壤水分预测》一文中研究指出:旱灾是农业生产面临的最主要的自然灾害之一,特别是在西北干旱半干旱地区。通过对土壤水分进行建模预测和土壤水分的时空分布特征分析,探索科学合理的土壤水分预测方法,提高土壤水分预测的精度,有利于在农业生产管理中充分利用各种资源以提高农产品的产量和品质,对农业防灾、减灾、受灾评估等提供一定的科学依据。以陕西省宝鸡市主要冬小麦种植区为研究区域,基于土壤水分定点实测采样数据、气象数据和土壤容重、潜水埋深、耕层厚度、土壤沙砾占比等多源数据,建立宝鸡市冬小麦种植区土壤水分数据库和预测因子数据库;将机器学习算法(Machine Learning Algorithms)中的随机森林算法(Random Forest Algorithms)、最小二乘支持向量机算法(Least Squares Support Vector Machine Algorithms)和径向基神经网络算法(Radial Basis Neural Network Algorithms)与土壤水分预测因子相结合,建立相应的土壤水分预测模型,对研究区土壤水分进行模拟预测并对不同预测模型进行精度验证评价,根据最优预测模型的预测结果,对研究区的土壤水分进行时空分布特征和冬小麦旱情分析;最后对土壤水分预测因子的重要性进行定量分析和重要性排序,分析各个预测因子对土壤水分及其变化的影响。研究结果以期为土壤水分预测模拟、农作物生产管理和干旱预防等提供较为科学的技术支持,成果如下:(1)将机器学习算法应用到土壤水分预测中,探索机器学习预测模型在土壤水分研究中的适用性,为土壤水分空间预测研究提供新的探索方案;结果表明三种土壤水分预测模型的预测精度都达到了88%以上,证明了机器学习算法在土壤水分建模预测中的良好应用能力。三种模型中径向基神经网络预测模型对研究区土壤水分的预测精度高于最小二乘法支持向量机预测模型和随机森林预测模型,最符合宝鸡市冬小麦种植区土壤水分的实际情况;在三种土壤水分预测模型中,径向基神经网络预测模型和最小二乘法支持向量机预测模型对0~20cm土层的预测效果比20~40cm土层好,而随机森林预测模型则是在20~40cm土层的预测效果略好于0~20cm土层。(2)宝鸡市冬小麦种植区2014年至2018年的3~5月份的土壤水分时空分布的主要特征为,土壤水分年际变化小,月间差异大。从年尺度时间序列看,土壤水分五年来的变化幅度不大,其中,以2015年和2017年土壤水分整体含量略高,以2016和2018年土壤水分整体含量略低;20~40cm土层的土壤相对含水量整体上略高于0~20cm土层,而0~20cm土层土壤水分随时间变化的幅度要小于20~40cm土层。从月尺度时间序列看,土壤水分在3至5月份的变化幅度较大,其中3、4月份土壤相对含水量较5月份低;20~40cm土层土壤水分随时间变化的幅度大体上要小于0~20cm土层,且20~40cm土层土壤水分含量整体上略高于0~20cm土层。从空间分布来看,3月份土壤水分年际变化小,土壤水分高值主要集中分布在研究区西北角的关山中低山区和研究区南部的秦岭中低山区、秦岭北麓黄土低山丘陵区等地,低值主要分布在沿千河、渭河流域由西北向东南一线的渭北黄土台塬区、渭河河谷阶地区、渭南黄土残塬区和渭南、渭北洪积扇区;4月份土壤水分年际变化较大,2014年和2015年土壤水分空间分布特征相似,高值主要分布在麟游县境内的千山地区、千河流域,低值主要分布在西南方向的秦岭北麓地区,2016年至2018年的土壤水分空间分布相似,高值主要集中分布在秦岭北麓地区和关山中低山区;5月份土壤水分年际变化小,高值主要分布在西南方向的秦岭北麓山地丘陵地区、东北方向的千山山地和西北方向的关山山地地区。(3)2014年至2018年的3~5月份,宝鸡市冬小麦种植区的冬小麦旱情发生范围较广,持续时间较长,但冬小麦干旱程度总体较轻,总体为轻度干旱水平,且冬小麦干旱年际差异较小,月间差异较大。从年尺度来看,2015年和2017年旱情较轻,其余年份旱情相对而言稍重。从月尺度来看,三个月份都有不同程度和范围的旱情发生,3、4月旱情范围较大、程度较轻,5月份范围较小但程度较重,旱情整体月间差异不大。从空间分布上来看,冬小麦干旱在陇县境内的千河河谷阶地区以及凤翔县、岐山县、扶风县境内的渭河河谷阶地区和渭北黄土台塬地区发生频率高且程度较重。(4)在2014年至2018年的3~5月份的宝鸡市冬小麦种植区,相比于地形要素、土壤属性要素和地理位置要素,气象要素对土壤水分的影响更大,尤以气象要素中的降水、气温和日照等因子影响最大;且随着时间变化,海拔、风速和降水等预测因子对0~20cm土层土壤水分的影响逐月减小,而地形湿度指数因子对其的影响逐月增大;在20~40cm土层,随着时间变化,纬度和降水对土壤水分的影响逐月减小,而海拔、水汽压、相对湿度和最大风速等影响因子对其影响逐月增大。总的来说,各个预测因子对土壤水分的影响不仅会随着土层深度改变而不同,还会随着时间变化而不同,因此,因时因地地选取土壤水分预测因子,对土壤水分预测的准确度显得尤为重要。

Abstract

han zai shi nong ye sheng chan mian lin de zui zhu yao de zi ran zai hai zhi yi ,te bie shi zai xi bei gan han ban gan han de ou 。tong guo dui tu rang shui fen jin hang jian mo yu ce he tu rang shui fen de shi kong fen bu te zheng fen xi ,tan suo ke xue ge li de tu rang shui fen yu ce fang fa ,di gao tu rang shui fen yu ce de jing du ,you li yu zai nong ye sheng chan guan li zhong chong fen li yong ge chong zi yuan yi di gao nong chan pin de chan liang he pin zhi ,dui nong ye fang zai 、jian zai 、shou zai ping gu deng di gong yi ding de ke xue yi ju 。yi shan xi sheng bao ji shi zhu yao dong xiao mai chong zhi ou wei yan jiu ou yu ,ji yu tu rang shui fen ding dian shi ce cai yang shu ju 、qi xiang shu ju he tu rang rong chong 、qian shui mai shen 、geng ceng hou du 、tu rang sha li zhan bi deng duo yuan shu ju ,jian li bao ji shi dong xiao mai chong zhi ou tu rang shui fen shu ju ku he yu ce yin zi shu ju ku ;jiang ji qi xue xi suan fa (Machine Learning Algorithms)zhong de sui ji sen lin suan fa (Random Forest Algorithms)、zui xiao er cheng zhi chi xiang liang ji suan fa (Least Squares Support Vector Machine Algorithms)he jing xiang ji shen jing wang lao suan fa (Radial Basis Neural Network Algorithms)yu tu rang shui fen yu ce yin zi xiang jie ge ,jian li xiang ying de tu rang shui fen yu ce mo xing ,dui yan jiu ou tu rang shui fen jin hang mo ni yu ce bing dui bu tong yu ce mo xing jin hang jing du yan zheng ping jia ,gen ju zui you yu ce mo xing de yu ce jie guo ,dui yan jiu ou de tu rang shui fen jin hang shi kong fen bu te zheng he dong xiao mai han qing fen xi ;zui hou dui tu rang shui fen yu ce yin zi de chong yao xing jin hang ding liang fen xi he chong yao xing pai xu ,fen xi ge ge yu ce yin zi dui tu rang shui fen ji ji bian hua de ying xiang 。yan jiu jie guo yi ji wei tu rang shui fen yu ce mo ni 、nong zuo wu sheng chan guan li he gan han yu fang deng di gong jiao wei ke xue de ji shu zhi chi ,cheng guo ru xia :(1)jiang ji qi xue xi suan fa ying yong dao tu rang shui fen yu ce zhong ,tan suo ji qi xue xi yu ce mo xing zai tu rang shui fen yan jiu zhong de kuo yong xing ,wei tu rang shui fen kong jian yu ce yan jiu di gong xin de tan suo fang an ;jie guo biao ming san chong tu rang shui fen yu ce mo xing de yu ce jing du dou da dao le 88%yi shang ,zheng ming le ji qi xue xi suan fa zai tu rang shui fen jian mo yu ce zhong de liang hao ying yong neng li 。san chong mo xing zhong jing xiang ji shen jing wang lao yu ce mo xing dui yan jiu ou tu rang shui fen de yu ce jing du gao yu zui xiao er cheng fa zhi chi xiang liang ji yu ce mo xing he sui ji sen lin yu ce mo xing ,zui fu ge bao ji shi dong xiao mai chong zhi ou tu rang shui fen de shi ji qing kuang ;zai san chong tu rang shui fen yu ce mo xing zhong ,jing xiang ji shen jing wang lao yu ce mo xing he zui xiao er cheng fa zhi chi xiang liang ji yu ce mo xing dui 0~20cmtu ceng de yu ce xiao guo bi 20~40cmtu ceng hao ,er sui ji sen lin yu ce mo xing ze shi zai 20~40cmtu ceng de yu ce xiao guo lve hao yu 0~20cmtu ceng 。(2)bao ji shi dong xiao mai chong zhi ou 2014nian zhi 2018nian de 3~5yue fen de tu rang shui fen shi kong fen bu de zhu yao te zheng wei ,tu rang shui fen nian ji bian hua xiao ,yue jian cha yi da 。cong nian che du shi jian xu lie kan ,tu rang shui fen wu nian lai de bian hua fu du bu da ,ji zhong ,yi 2015nian he 2017nian tu rang shui fen zheng ti han liang lve gao ,yi 2016he 2018nian tu rang shui fen zheng ti han liang lve di ;20~40cmtu ceng de tu rang xiang dui han shui liang zheng ti shang lve gao yu 0~20cmtu ceng ,er 0~20cmtu ceng tu rang shui fen sui shi jian bian hua de fu du yao xiao yu 20~40cmtu ceng 。cong yue che du shi jian xu lie kan ,tu rang shui fen zai 3zhi 5yue fen de bian hua fu du jiao da ,ji zhong 3、4yue fen tu rang xiang dui han shui liang jiao 5yue fen di ;20~40cmtu ceng tu rang shui fen sui shi jian bian hua de fu du da ti shang yao xiao yu 0~20cmtu ceng ,ju 20~40cmtu ceng tu rang shui fen han liang zheng ti shang lve gao yu 0~20cmtu ceng 。cong kong jian fen bu lai kan ,3yue fen tu rang shui fen nian ji bian hua xiao ,tu rang shui fen gao zhi zhu yao ji zhong fen bu zai yan jiu ou xi bei jiao de guan shan zhong di shan ou he yan jiu ou na bu de qin ling zhong di shan ou 、qin ling bei lu huang tu di shan qiu ling ou deng de ,di zhi zhu yao fen bu zai yan qian he 、wei he liu yu you xi bei xiang dong na yi xian de wei bei huang tu tai yuan ou 、wei he he gu jie de ou 、wei na huang tu can yuan ou he wei na 、wei bei hong ji shan ou ;4yue fen tu rang shui fen nian ji bian hua jiao da ,2014nian he 2015nian tu rang shui fen kong jian fen bu te zheng xiang shi ,gao zhi zhu yao fen bu zai lin you xian jing nei de qian shan de ou 、qian he liu yu ,di zhi zhu yao fen bu zai xi na fang xiang de qin ling bei lu de ou ,2016nian zhi 2018nian de tu rang shui fen kong jian fen bu xiang shi ,gao zhi zhu yao ji zhong fen bu zai qin ling bei lu de ou he guan shan zhong di shan ou ;5yue fen tu rang shui fen nian ji bian hua xiao ,gao zhi zhu yao fen bu zai xi na fang xiang de qin ling bei lu shan de qiu ling de ou 、dong bei fang xiang de qian shan shan de he xi bei fang xiang de guan shan shan de de ou 。(3)2014nian zhi 2018nian de 3~5yue fen ,bao ji shi dong xiao mai chong zhi ou de dong xiao mai han qing fa sheng fan wei jiao an ,chi xu shi jian jiao chang ,dan dong xiao mai gan han cheng du zong ti jiao qing ,zong ti wei qing du gan han shui ping ,ju dong xiao mai gan han nian ji cha yi jiao xiao ,yue jian cha yi jiao da 。cong nian che du lai kan ,2015nian he 2017nian han qing jiao qing ,ji yu nian fen han qing xiang dui er yan shao chong 。cong yue che du lai kan ,san ge yue fen dou you bu tong cheng du he fan wei de han qing fa sheng ,3、4yue han qing fan wei jiao da 、cheng du jiao qing ,5yue fen fan wei jiao xiao dan cheng du jiao chong ,han qing zheng ti yue jian cha yi bu da 。cong kong jian fen bu shang lai kan ,dong xiao mai gan han zai long xian jing nei de qian he he gu jie de ou yi ji feng xiang xian 、qi shan xian 、fu feng xian jing nei de wei he he gu jie de ou he wei bei huang tu tai yuan de ou fa sheng pin lv gao ju cheng du jiao chong 。(4)zai 2014nian zhi 2018nian de 3~5yue fen de bao ji shi dong xiao mai chong zhi ou ,xiang bi yu de xing yao su 、tu rang shu xing yao su he de li wei zhi yao su ,qi xiang yao su dui tu rang shui fen de ying xiang geng da ,you yi qi xiang yao su zhong de jiang shui 、qi wen he ri zhao deng yin zi ying xiang zui da ;ju sui zhao shi jian bian hua ,hai ba 、feng su he jiang shui deng yu ce yin zi dui 0~20cmtu ceng tu rang shui fen de ying xiang zhu yue jian xiao ,er de xing shi du zhi shu yin zi dui ji de ying xiang zhu yue zeng da ;zai 20~40cmtu ceng ,sui zhao shi jian bian hua ,wei du he jiang shui dui tu rang shui fen de ying xiang zhu yue jian xiao ,er hai ba 、shui qi ya 、xiang dui shi du he zui da feng su deng ying xiang yin zi dui ji ying xiang zhu yue zeng da 。zong de lai shui ,ge ge yu ce yin zi dui tu rang shui fen de ying xiang bu jin hui sui zhao tu ceng shen du gai bian er bu tong ,hai hui sui zhao shi jian bian hua er bu tong ,yin ci ,yin shi yin de de shua qu tu rang shui fen yu ce yin zi ,dui tu rang shui fen yu ce de zhun que du xian de you wei chong yao 。

论文参考文献

  • [1].基于NIR-Red-LST特征空间的土壤水分估计算法研究[D]. 周亚楠.合肥工业大学2019
  • [2].基于Sentinel-1 SAR数据的表层土壤水分遥感反演[D]. 李新尧.西北大学2019
  • [3].基于主动微波遥感的典型黑土区表层土壤水分反演研究[D]. 秦乐乐.东北农业大学2019
  • [4].基于遥感与VIC模型的干旱区土壤水分时空变化特征[D]. 包青岭.新疆大学2019
  • [5].土壤水分产品降尺度及验证研究[D]. 刘静.长安大学2019
  • [6].基于SVR的鄂尔多斯风沙滩地区土壤水分遥感反演方法研究[D]. 王雅婷.长安大学2019
  • [7].干旱半干旱地区植被覆盖地表土壤水分反演研究[D]. 张延成.长安大学2019
  • [8].卫星遥感土壤水分产品订正方法及反演算法研究[D]. 徐作敏.中国气象科学研究院2019
  • [9].阵列式电容传感器探测土壤水分方法研究[D]. 张萌.西安理工大学2019
  • [10].风云三号土壤水分卫星遥感反演研究[D]. 纪翔.贵州大学2019
  • 读者推荐
  • [1].基于多源异构数据的河南省干旱特征及模型预测研究[D]. 刘晓璐.西南大学2019
  • [2].基于SAR与光学数据的高原湿地土壤水分反演研究[D]. 关韵桐.云南师范大学2019
  • [3].基于机器学习的人脸检测算法研究[D]. 崔凯.长春理工大学2019
  • [4].基于企业日志元数据的员工行为可视分析研究[D]. 樊晓博.太原理工大学2019
  • [5].机器学习在趋势预测中的研究及应用[D]. 魏敏敏.西安理工大学2019
  • [6].梯度下降算法中的动态采样方法研究[D]. 张立学.河北大学2019
  • [7].基于机器学习的半干旱地区地基微波辐射计反演算法研究[D]. 樊旭.兰州大学2019
  • [8].基于深度学习算法的小分子毒性预测研究[D]. 白芳.兰州大学2019
  • [9].物探方法在九寨沟景区地质环境调查中的应用研究[D]. 张玮.成都理工大学2010
  • [10].地质专家系统的设计与实现[D]. 鹿跃群.北京交通大学2010
  • 论文详细介绍

    论文作者分别是来自西北大学的聂红梅,发表于刊物西北大学2019-10-08论文,是一篇关于预测模型论文,机器学习论文,土壤水分论文,冬小麦论文,宝鸡市论文,西北大学2019-10-08论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自西北大学2019-10-08论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    聂红梅:基于多源数据和机器学习算法的土壤水分预测论文
    下载Doc文档

    猜你喜欢