10.12118/j.issn.1000-6060.2023.034
基于XGBoost模型的湟水流域耕地土壤养分遥感反演
湟水流域是河湟谷地重要的组成部分,协同环境因素预测土壤养分空间分布对农业土壤养分管理尤为重要.土壤养分反演研究中对于参数对模型结果的影响和模型适用性的研究较少.选取研究区地形因子、土壤pH及光谱反射率共28个因子,结合贝叶斯优化算法构建人工神经网络(ANN)、支持向量机(SVM)和极端梯度提升(XGBoost)3种机器学习模型预测耕地土壤养分空间分布,计算决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)评价3种模型的精度.结果表明:(1)基于贝叶斯优化超参数的XGBoost模型对全氮(TN)含量预测精度优于其他模型(R2=0.893,RMSE=0.359,RPD=2.470),预测土壤有机质(SOM)、速效磷(AP)和速效钾(AK)含量时,XGBoost模型验证集R2分别为0.801、0.509、0.442.(2)对比3种模型的寻优次数和误差发现,BOA-XGBoost模型参数优化次数少、效率高,具有更好的鲁棒性.对于不同的养分,ANN和SVM模型预测精度存在差异,SVM模型预测SOM含量时精度更高(RPD=1.580),而ANN模型预测TN时精度最佳(RPD= 2.460).基于贝叶斯算法进行超参数优化构建的XGBoost模型预测精度高,可以达到良好的预测效果,可为湟水流域精准农业施肥提供参考.
土壤养分、XGBoost、空间分布、环境因子、湟水流域
46
S127;TP79;TP301.6
国家自然科学基金;青海大学创新创业工坊项目
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共11页
1643-1653