海南农垦耕地类型的聚类分析

摘要

针对当前主流的耕地地力分类方法(如中国农业部推荐的特尔斐—层次分析法等)存在着人为打分主观影响的不足,引入机器学习方法,尝试与现有评价方法融合集成,充分挖掘数据,实现优势互补,将是未来耕地地力评价的发展趋势。对海南农垦测土配方样地调查数据进行数据挖掘,使用基于划分的K-均值聚类、基于密度的DBSCAN聚类和基于层次的凝聚聚类等方法进行研究和比较,发现DBSCAN聚类和凝聚聚类划分相比K-均值更细致一些,但由于DBSCAN聚类受到了部分噪声的干扰,且凝聚聚类分簇情况更好,所以最终采用凝聚聚类将海南农垦耕地类型划分为四类。提出了基于频数的类型特征提取方法,将聚类可视化图形转换为特征频数统计表,根据特征频数统计表得出各耕地类型的地力指标体系。