基于Boruta-支持向量回归的安徽省土壤pH值预测制图

以安徽省为研究区域,将Bo ruta算法用于特征筛选,选择最优变量组合输入支持向量回归(SVR)模型,经参数优化和核函数对比后,选择最优的SVR预测模型进行土壤pH值空间分布制图.结果 表明:1)使用Boruta算法筛选后的特征变量建模优于全部变量建模;特征变量重要性分析表明,年均降水(MAP)是影响安徽省土壤pH值的最重要因素,多尺度山谷平坦指数(MrVBF)、多尺度山脊平坦指数(MrRTF)和年均温(MAT)等特征变量均对土壤pH值有较重要的影响.2)选择径向基函数(RBF)作为核函数建立SVR模型进行土壤pH值预测最为合理;参数C=1,γ=0 125时,SVR模型精度最高,可以解释土壤pH值变异的74％,验证集R2为0.62.3)土壤pH值预测制图结果表明,安徽省土壤pH值空间分布呈由北至南逐渐降低的趋势,符合“南酸北碱”特征,且预测制图的统计结果与样本点的统计结果基本一致.将Boruta算法与SVR模型结合可以提高土壤pH值的预测制图精度,且模型的泛化能力较强.