基于PCA-SVR的冬小麦土壤水分预测

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