基于土壤数据广度与深度模型的作物推荐算法

魏博识，卢 涛*

1.智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉430205；2.武汉工程大学计算机科学与工程学院，湖北武汉430205

农业大数据是运用大数据理念、技术和方法解决农业或涉农领域数据的采集、存储、计算与应用等一系列问题的技术，是大数据理论和技术在农业上的应用和实践［1］。近年来，深度学习方法在农业领域的应用取得巨大成功，广泛应用于科学施肥、产量预测和经济效益预估［2］等领域。根据土壤信息进行数据挖掘，并在此基础上提出区域性作物的种植建议，不仅可以促进农作物生长从而带来经济效益，还可以改善土壤肥力，促进可持续发展［3］。根据土壤种类、土地的类型，以及土壤养分元素［如：氮（N）、磷（P）、钾（K）、有机质（OM）等］的含量建立模型，分析并且给出精准预测，可以形成科学的种植方案。研究表明，氮、磷、钾在植物根茎的重吸收率分别为63.6%、56.8%、50.7%，是促进作物生长的主要营养元素［4］。现有的作物推荐算法均是基于土壤养分元素等数值域数据来构建模型的［5］，这极大地忽略了土壤类型（如：黄绵土、潮土、水稻土等）、地块类型（如：坡地、平地、梯田等）等文本域数据的作用。这些文本域数据是土壤的基本物理性质，可以反应土壤中不同大小直径成土颗粒的组成状况［6］。另外，不同质地土壤的蓄水导水、保温导热、耕性、微生物种类及其活动等性能的差异也能影响作物生长［7］。现有数值型作物推荐算法在农业生产决策领域已取得良好成效。例如，随机森林支持向量机 作 物 推 荐 算 法［8］（random forest support vector machine，RFSVM）采用随机森林方法筛选特征最优子集，然后使用支持向量机进行作物推荐。……