基于机器学习和土壤关键要素的烤烟品质数字制图——以云南玉溪烟区为例

以中国典型烟区云南玉溪烟区为研究对象,基于156个土壤–烤烟品质等级配对数据集,通过主成分分析法筛选土壤关键要素,应用反向神经网络(BPNN)、随机森林(RF)和支持向量机(SVM)3种机器学习方法,构建了基于土壤关键要素的烤烟品质等级预测模型,实现了玉溪市烤烟品质等级空间预测与制图。研究结果表明:基于17个土壤指标筛选出11个指标作为土壤关键要素,其中土壤黏粒含量对烤烟品质等级的贡献率最大,为18.5%。独立验证结果显示,RF模型的准确率和Kappa系数最高,分别为0.78和0.76,预测效果最好,其次是SVM模型,BPNN模型最差。从召回率和精确率来看,RF模型对烤烟品质等级正确分级效果的程度为五档>一档>二档。一档、五档烤烟主要集中分布在玉溪市东部,最东部的华宁县是玉溪市最优质的烤烟作物产地。