一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法
【專利摘要】本發(fā)明公開了一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法,其特征在于:步驟如下:1)數(shù)據(jù)來源;2)輔助數(shù)據(jù)來源與處理;3)研究方法;4)對(duì)照方法。由于采用了上述技術(shù)方案,與現(xiàn)有技術(shù)相比,本發(fā)明運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型,在融合土壤類型、地形因子以及植被指數(shù)等定性和定量輔助環(huán)境變量的基礎(chǔ)上,開展土壤有機(jī)質(zhì)含量的空間分布預(yù)測(cè),以期為區(qū)域高精度土壤性質(zhì)空間分布預(yù)測(cè)提供方法參考。
【專利說明】一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法。
【背景技術(shù)】
[0002]土壤有機(jī)質(zhì)是土壤特性的重要指標(biāo),也是植物礦質(zhì)營(yíng)養(yǎng)和有機(jī)營(yíng)養(yǎng)的源泉,在區(qū)域土壤肥力、農(nóng)業(yè)生產(chǎn)和環(huán)境保護(hù)等方面均具有重要的作用和意義。由于多種成土因素和生態(tài)過程的影響,土壤有機(jī)質(zhì)含量在空間上呈現(xiàn)非均勻分布。通?;诓蓸荧@得的樣點(diǎn)土壤有機(jī)質(zhì)含量信息,很難滿足區(qū)域農(nóng)業(yè)生產(chǎn)和環(huán)境保護(hù)中對(duì)面域土壤有機(jī)質(zhì)含量分布特征的實(shí)際需求。因此,精確獲取土壤有機(jī)質(zhì)含量的空間分布信息,是準(zhǔn)確掌握區(qū)域土壤肥力狀況、科學(xué)的土壤養(yǎng)分管理和區(qū)域環(huán)境保護(hù)的實(shí)際需要。
[0003]土壤性質(zhì)的空間分布格局是在各種地表環(huán)境因素共同作用下形成的。引入相關(guān)地表環(huán)境因子作為輔助變量的土壤性質(zhì)空間分布預(yù)測(cè)方法,在不同程度上考慮了相關(guān)環(huán)境因子對(duì)土壤性質(zhì)空間分布的影響,其預(yù)測(cè)精度較僅基于樣點(diǎn)數(shù)據(jù)進(jìn)行空間內(nèi)插的方法有明顯的提高。在各類輔助變量中,定量因子如氣象、地形特征參數(shù)等因子相對(duì)易于操作,被廣泛用于土壤性質(zhì)空間分布預(yù)測(cè)。定性因素如土地利用方式、土壤類型和母質(zhì)類型等對(duì)土壤性質(zhì)空間變異也具有顯著的影響,該類因素甚至?xí)趸恳蜃訉?duì)土壤性質(zhì)空間變異的作用。因此,在預(yù)測(cè)方法中同時(shí)引入定性和定量輔助變量是進(jìn)一步提高土壤性質(zhì)空間分布預(yù)測(cè)精度的必然要求和最有效的途徑之一。然而,在土壤性質(zhì)空間分布預(yù)測(cè)中,定性因素的使用明顯偏少。
[0004]在引入環(huán)境變量的預(yù)測(cè)方法中,多元回歸模型、協(xié)同克里格法以及回歸克里格法等方法被廣泛用于刻畫土壤性質(zhì)與環(huán)境因子間的關(guān)系,進(jìn)而預(yù)測(cè)土壤性質(zhì)的空間分布。然而,土壤性質(zhì)與環(huán)境因素間是一種極其復(fù)雜的非線性關(guān)系,準(zhǔn)確表達(dá)土壤性質(zhì)與環(huán)境因素間的復(fù)雜關(guān)系是提高預(yù)測(cè)精度的關(guān)鍵。人工神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地揭示復(fù)雜系統(tǒng)中多元環(huán)境變量與目標(biāo)變量間的非線性映射關(guān)系,被成功應(yīng)用于描述土壤與環(huán)境因子間的非線性關(guān)系,在土壤性質(zhì)的空間分布預(yù)測(cè)研究中受到越來越多的關(guān)注。
【發(fā)明內(nèi)容】
[0005]本發(fā)明要解決的技術(shù)問題是克服上述缺陷,提供一種運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型,在融合土壤類型、地形因子以及植被指數(shù)等定性和定量輔助環(huán)境變量的基礎(chǔ)上,開展土壤有機(jī)質(zhì)含量的空間分布預(yù)測(cè)的基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法。
[0006]為解決上述問題,本發(fā)明所采用的技術(shù)方案是:
[0007]—種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法,其特征在于:步驟如下:
[0008]I)、數(shù)據(jù)來源:以選取的研究區(qū)地形圖、土地利用現(xiàn)狀圖和土壤類型分布圖為輔助信息,在兼顧代表性與均勻性原則的基礎(chǔ)上綜合考慮地形、土壤類型等信息進(jìn)行土壤采樣點(diǎn)的布設(shè),在每個(gè)土壤采樣點(diǎn)處采用多點(diǎn)混合的方法采集表層土壤樣品;每個(gè)采樣點(diǎn)均以GPS記錄其地理坐標(biāo)和海拔高度,同時(shí)詳細(xì)記錄樣點(diǎn)所在的環(huán)境信息;采集到的樣品帶回實(shí)驗(yàn)室經(jīng)自然風(fēng)干后磨碎過Imm篩,采用重鉻酸鉀容量法測(cè)定每個(gè)土樣有機(jī)質(zhì)含量;
[0009]2)、輔助數(shù)據(jù)來源與處理:
[0010]研究中定量因子主要選擇了地形因子和植被指數(shù);地形因子是土壤性質(zhì)空間分布預(yù)測(cè)中最常用的輔助環(huán)境變量,包括高程(H)、坡度(S)、平面曲率(Ct)、剖面曲率(Cp)及地形濕度指數(shù)(TI);基于研究區(qū)1:5萬地形圖在ArcGIS9.3中生成30m分辨率的數(shù)據(jù)高程模型,進(jìn)一步利用ArcGIS9.3的空間分析和柵格計(jì)算功能獲取研究區(qū)30m分辨率的坡度、平面曲率、剖面曲率及地形濕度指數(shù)分布圖;
[0011]基于遙感影像獲取的植被指數(shù)能較好地反映區(qū)域地表植被的生長(zhǎng)狀態(tài)和植被覆蓋度信息,是常用于土壤性質(zhì)空間分布預(yù)測(cè)的又一輔助變量;在研究區(qū)采用MODIS遙感數(shù)據(jù)產(chǎn)品中的增強(qiáng)型植被指數(shù)作為預(yù)測(cè)研究區(qū)土壤有機(jī)質(zhì)含量空間分布的定量植被因子;
[0012]3)、研究方法:
[0013]研究方法采用的是融合定性和定量輔助變量的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法;
[0014]將各采樣點(diǎn)土壤有機(jī)質(zhì)的實(shí)測(cè)值和環(huán)境因素之間的關(guān)系表示為:
[0015]Z(xi;k, yJ;k)=m(k) +r (xi;k, yJ;k) (I)
[0016]r (xi;k, yJ; k) =f (t (xi; Yj), v (xi; Yj),...) (2)
[0017]式中:Z(Xi,k,Yj.k)表示屬于第k種土壤類型的土樣在(Xi,Yj)處的有機(jī)質(zhì)含量值,(Xi, Yj)為采樣點(diǎn)坐標(biāo),其行列號(hào)分別為i和j ;m(k)為第k種土壤類型有機(jī)質(zhì)含量平均值;r(Xi,k) Yj,k)為采樣點(diǎn)(Xi,yj)減去該點(diǎn)所屬土壤類型有機(jī)質(zhì)含量平均值后的殘差。t(xi)yj)為點(diǎn)(Xi,yj)的地形參數(shù)值,V(Xil7j)為點(diǎn)(Xi,yj)的植被指數(shù)值。即假定特定點(diǎn)位上土壤有機(jī)質(zhì)的變異首先由該點(diǎn)所處的土壤類型決定,而其殘差值則由該點(diǎn)所處的地形植被條件等局地環(huán)境因素確定;平均值m(k)和殘差r(Xi,k,yik)相互獨(dú)立。
[0018]各點(diǎn)位殘差值與局地環(huán)境因素間的關(guān)系采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型表達(dá);該模型是一種具有單隱層的三層前饋型神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)方法過程如下:
[0019](I)、依據(jù)采樣點(diǎn)土壤有機(jī)質(zhì)含量值,分別統(tǒng)計(jì)研究區(qū)中各個(gè)土壤類型土壤有機(jī)質(zhì)含量的平均值及每個(gè)土壤采樣點(diǎn)對(duì)應(yīng)的殘差值;
[0020]( 2 )、依據(jù)計(jì)算出的各個(gè)土壤類型有機(jī)質(zhì)含量平均值和研究區(qū)土壤類型分布圖,制作研究區(qū)各土壤類型有機(jī)質(zhì)值含量平均值分布圖;
[0021](3)、以各土壤采樣點(diǎn)的地形及植被特征參數(shù)值作為網(wǎng)絡(luò)輸入,以對(duì)應(yīng)點(diǎn)位歸一化后的土壤有機(jī)質(zhì)殘差值作為網(wǎng)絡(luò)輸出,構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,在MATLAB中模擬得到研究區(qū)土壤有機(jī)質(zhì)的殘差分布圖;
[0022](4)、最后將研究區(qū)各土壤類型有機(jī)質(zhì)值平均值分布圖加上神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到的殘差分布圖,即得到研究區(qū)土壤有機(jī)質(zhì)含量空間分布圖;
[0023]4)、對(duì)照方法:
[0024]選用普通克里格法、回歸克里格法及神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法作為對(duì)照方法;回歸克里格法首先采用多元逐步回歸進(jìn)行土壤有機(jī)質(zhì)與環(huán)境因子間的回歸預(yù)測(cè),再以普通克里法對(duì)回歸預(yù)測(cè)結(jié)果殘差進(jìn)行插值,最后將回歸預(yù)測(cè)結(jié)果和普通克里格法對(duì)殘差的估計(jì)值相加,即得到研究區(qū)土壤有機(jī)質(zhì)的空間分布圖;神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法則是以神經(jīng)網(wǎng)絡(luò)模型替代回歸克里格法中的回歸模型完成對(duì)研究區(qū)土壤有機(jī)質(zhì)的空間分布預(yù)測(cè)。
[0025]由于采用了上述技術(shù)方案,與現(xiàn)有技術(shù)相比,本發(fā)明以四川盆地丘陵區(qū)的三臺(tái)縣為研究區(qū),運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型,在融合土壤類型、地形因子以及植被指數(shù)等定性和定量輔助環(huán)境變量的基礎(chǔ)上,開展土壤有機(jī)質(zhì)含量的空間分布預(yù)測(cè),以期為區(qū)域高精度土壤性質(zhì)空間分布預(yù)測(cè)提供方法參考。
【專利附圖】
【附圖說明】
[0026]圖1是研究區(qū)土壤有機(jī)質(zhì)含量及其對(duì)數(shù)轉(zhuǎn)換值的頻率分布圖;
[0027]圖2是研究區(qū)土壤有機(jī)質(zhì)各數(shù)據(jù)項(xiàng)半方差函數(shù)圖;
[0028]圖3是不同預(yù)測(cè)方法對(duì)土壤有機(jī)質(zhì)含量空間分布的預(yù)測(cè)結(jié)果圖。
【具體實(shí)施方式】
[0029]實(shí)施例:
[0030]一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法,步驟如下:
[0031]I)、數(shù)據(jù)來源:以選取的研究區(qū)地形圖、土地利用現(xiàn)狀圖和土壤類型分布圖為輔助信息,在兼顧代表性與均勻性原則的基礎(chǔ)上綜合考慮地形、土壤類型等信息進(jìn)行土壤采樣點(diǎn)的布設(shè),在每個(gè)土壤采樣點(diǎn)處采用多點(diǎn)混合的方法采集表層土壤樣品。全區(qū)共采集土樣2346個(gè)采樣點(diǎn),每個(gè)采樣點(diǎn)均以GPS記錄其地理坐標(biāo)和海拔高度,同時(shí)詳細(xì)記錄樣點(diǎn)所在的環(huán)境信息如土壤類型、耕種作物和農(nóng)地輪作方式等信息。采集到的樣品帶回實(shí)驗(yàn)室經(jīng)自然風(fēng)干后磨碎過1_篩,采用重鉻酸鉀容量法測(cè)定每個(gè)土樣有機(jī)質(zhì)含量。
[0032]2)、輔助數(shù)據(jù)來源與處理:
[0033]研究中定量因子主要選擇了地形因子和植被指數(shù);地形因子是土壤性質(zhì)空間分布預(yù)測(cè)中最常用的輔助環(huán)境變量,包括高程(H)、坡度(S)、平面曲率(Ct)、剖面曲率(Cp)及地形濕度指數(shù)(TI);基于研究區(qū)1:5萬地形圖在ArcGIS9.3中生成30m分辨率的數(shù)據(jù)高程模型,進(jìn)一步利用ArcGIS9.3的空間分析和柵格計(jì)算功能獲取研究區(qū)30m分辨率的坡度、平面曲率、剖面曲率及地形濕度指數(shù)分布圖。
[0034]基于遙感影像獲取的植被指數(shù)能較好地反映區(qū)域地表植被的生長(zhǎng)狀態(tài)和植被覆蓋度信息,是常用于土壤性質(zhì)空間分布預(yù)測(cè)的又一輔助變量;在研究區(qū)采用MODIS遙感數(shù)據(jù)產(chǎn)品中的增強(qiáng)型植被指數(shù)作為預(yù)測(cè)研究區(qū)土壤有機(jī)質(zhì)含量空間分布的定量植被因子??紤]到土壤有機(jī)質(zhì)的積累特點(diǎn),本發(fā)明中選用了 2001至2006年每年7月和8月16d合成的250m分辨率的EVI數(shù)據(jù),在對(duì)所下載的EVI數(shù)據(jù)進(jìn)行質(zhì)量檢查和處理后取平均值并重采樣至30m分辨率,即用2001至2006年生物量最大時(shí)的平均植被指數(shù)作為定量輔助變量之一。為方便計(jì)算,所有定量因子均進(jìn)行歸一化處理。
[0035]研究表明,丘陵區(qū)土壤類型較土地利用類型對(duì)土壤有機(jī)質(zhì)含量空間分布的影響大,因此研究中選擇研究區(qū)土壤類型作為本研究的定性輔助變量。研究區(qū)土壤類型分布圖來源于第二次土壤普查。在對(duì)研究區(qū)土壤類型圖掃描后利用ArcGIS9.3進(jìn)行矢量化,得到研究區(qū)數(shù)字土壤類型分布圖。
[0036]3)、研究方法:[0037]研究方法采用的是融合定性和定量輔助變量的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法;
[0038]將各采樣點(diǎn)土壤有機(jī)質(zhì)的實(shí)測(cè)值和環(huán)境因素之間的關(guān)系表示為:
[0039]Z(xuk, yJ;k)=m(k) +r(xi;k, yJ;k) (I)
[0040]r (xi;k, yJ;k) =f (t (xi; Yj), v (xi; Yj),...) (2)
[0041]式中:Z(Xi,k,Yj.k)表示屬于第k種土壤類型的土樣在(Xi,Yj)處的有機(jī)質(zhì)含量值,(Xi, Yj)為采樣點(diǎn)坐標(biāo),其行列號(hào)分別為i和j ;m(k)為第k種土壤類型有機(jī)質(zhì)含量平均值;r(Xi,k) Yj,k)為采樣點(diǎn)(Xi,yj)減去該點(diǎn)所屬土壤類型有機(jī)質(zhì)含量平均值后的殘差。t(xi)yj)為點(diǎn)(Xi,yj)的地形參數(shù)值,V(Xil7j)為點(diǎn)(Xi,yj)的植被指數(shù)值。即假定特定點(diǎn)位上土壤有機(jī)質(zhì)的變異首先由該點(diǎn)所處的土壤類型決定,而其殘差值則由該點(diǎn)所處的地形植被條件等局地環(huán)境因素確定;平均值m(k)和殘差r(Xi,k,yik)相互獨(dú)立。
[0042]各點(diǎn)位殘差值與局地環(huán)境因素間的關(guān)系采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型表達(dá);該模型是一種具有單隱層的三層前饋型神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)方法過程如下:
[0043](I)、依據(jù)采樣點(diǎn)土壤有機(jī)質(zhì)含量值,分別統(tǒng)計(jì)研究區(qū)中各個(gè)土壤類型土壤有機(jī)質(zhì)含量的平均值及每個(gè)土壤采樣點(diǎn)對(duì)應(yīng)的殘差值;
[0044]( 2 )、依據(jù)計(jì)算出的各個(gè)土壤類型有機(jī)質(zhì)含量平均值和研究區(qū)土壤類型分布圖,制作研究區(qū)各土壤類型有機(jī)質(zhì)值含量平均值分布圖;
[0045](3)、以各土壤采樣點(diǎn)的地形及植被特征參數(shù)值作為網(wǎng)絡(luò)輸入,以對(duì)應(yīng)點(diǎn)位歸一化后的土壤有機(jī)質(zhì)殘差值作為網(wǎng)絡(luò)輸出,構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,在MATLAB中模擬得到研究區(qū)土壤有機(jī)質(zhì)的殘差分布圖;
[0046](4)、最后將研究區(qū)各土壤類型有機(jī)質(zhì)值平均值分布圖加上神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到的殘差分布圖,即得到研究區(qū)土壤有機(jī)質(zhì)含量空間分布圖;
[0047]4)、對(duì)照方法:
[0048]選用普通克里格法、回歸克里格法及神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法作為對(duì)照方法;回歸克里格法首先采用多元逐步回歸進(jìn)行土壤有機(jī)質(zhì)與環(huán)境因子間的回歸預(yù)測(cè),再以普通克里法對(duì)回歸預(yù)測(cè)結(jié)果殘差進(jìn)行插值,最后將回歸預(yù)測(cè)結(jié)果和普通克里格法對(duì)殘差的估計(jì)值相加,即得到研究區(qū)土壤有機(jī)質(zhì)的空間分布圖;神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法則是以神經(jīng)網(wǎng)絡(luò)模型替代回歸克里格法中的回歸模型完成對(duì)研究區(qū)土壤有機(jī)質(zhì)的空間分布預(yù)測(cè)。
[0049]針對(duì)上述基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法預(yù)測(cè)精度評(píng)價(jià)方法采用獨(dú)立驗(yàn)證樣點(diǎn)集對(duì)各方法預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià),即隨機(jī)從2346個(gè)土壤樣點(diǎn)提取20%(469個(gè))作為驗(yàn)證點(diǎn),其余80%(1877個(gè))作為建模點(diǎn),以平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)和平均相對(duì)誤差(MRE)對(duì)驗(yàn)證點(diǎn)的預(yù)測(cè)值和實(shí)際觀測(cè)值進(jìn)行對(duì)比分析,得出精度評(píng)價(jià)結(jié)果。
[0050]上述基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法結(jié)果與分析:
[0051]1、描述性統(tǒng)計(jì)分析。
[0052]根據(jù)建模點(diǎn)統(tǒng)計(jì)分析表明,如表I所示,研究區(qū)土壤有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的平均值為17.97g/kg ;變異系數(shù)處于10?100%之間,為中等程度的變異性。不同土壤類型土壤有機(jī)質(zhì)含量差異較大,水稻土有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)平均值達(dá)到22.49g/kg,遠(yuǎn)高于其它3個(gè)土壤類型;其次是潮土和紫色土,平均值分別為15.87和14.09g.kg-1 ;黃壤土最小,平均值為13.66g.kg-1。從變異程度來看,水稻土和紫色土有機(jī)質(zhì)含量變異程度略高于另2個(gè)土類,但均屬于中等程度變異。
[0053]從數(shù)據(jù)的分布形態(tài)來看,原始數(shù)據(jù)呈明顯的偏態(tài)分布,通過對(duì)數(shù)轉(zhuǎn)換后其偏度值和峰度值以及分布頻率圖明顯更接近正態(tài)分布,如表1、圖1所示。因此,對(duì)數(shù)轉(zhuǎn)換后的數(shù)值用于研究中各種預(yù)測(cè)方法的計(jì)算。
[0054]表1研究區(qū)不同土壤類型有機(jī)質(zhì)含量描述性統(tǒng)計(jì)特征
【權(quán)利要求】
1.一種基于定性和定量輔助變量的土壤有機(jī)質(zhì)空間分布預(yù)測(cè)方法,其特征在于:步驟如下: 1)、數(shù)據(jù)來源:以選取的研究區(qū)地形圖、土地利用現(xiàn)狀圖和土壤類型分布圖為輔助信息,在兼顧代表性與均勻性原則的基礎(chǔ)上綜合考慮地形、土壤類型等信息進(jìn)行土壤采樣點(diǎn)的布設(shè),在每個(gè)土壤采樣點(diǎn)處采用多點(diǎn)混合的方法采集表層土壤樣品;每個(gè)采樣點(diǎn)均以GPS記錄其地理坐標(biāo)和海拔高度,同時(shí)詳細(xì)記錄樣點(diǎn)所在的環(huán)境信息;采集到的樣品帶回實(shí)驗(yàn)室經(jīng)自然風(fēng)干后磨碎過Imm篩,采用重鉻酸鉀容量法測(cè)定每個(gè)土樣有機(jī)質(zhì)含量; 2)、輔助數(shù)據(jù)來源與處理: 研究中定量因子主要選擇了地形因子和植被指數(shù);地形因子是土壤性質(zhì)空間分布預(yù)測(cè)中最常用的輔助環(huán)境變量,包括高程(H)、坡度(S)、平面曲率(Ct)、剖面曲率(Cp)及地形濕度指數(shù)(TI);基于研究區(qū)1:5萬地形圖在ArcGIS9.3中生成30m分辨率的數(shù)據(jù)高程模型,進(jìn)一步利用ArcGIS9.3的空間分析和柵格計(jì)算功能獲取研究區(qū)30m分辨率的坡度、平面曲率、剖面曲率及地形濕度指數(shù)分布圖; 基于遙感影像獲取的植被指數(shù)能較好地反映區(qū)域地表植被的生長(zhǎng)狀態(tài)和植被覆蓋度信息,是常用于土壤性質(zhì)空間分布預(yù)測(cè)的又一輔助變量;在研究區(qū)采用MODIS遙感數(shù)據(jù)產(chǎn)品中的增強(qiáng)型植被指數(shù)作為預(yù)測(cè)研究區(qū)土壤有機(jī)質(zhì)含量空間分布的定量植被因子; 3)、研究方法: 研究方法采用的是融合定性和定量輔助變量的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法; 將各采樣點(diǎn)土壤有機(jī)質(zhì)的實(shí)測(cè)值和環(huán)境因素之間的關(guān)系表示為:
Z(xi;k, yJ;k`)=m(k) +r (xi;k, yJ;k) (I)
r (xi;k, yJ; k) =f (t(xi, Yj), v (Xi, Yj),...) (2) 式中:Z(Xi,k,yj,k)表示屬于第k種土壤類型的土樣在(Xi,yj)處的有機(jī)質(zhì)含量值,(Xi, Yj)為采樣點(diǎn)坐標(biāo),其行列號(hào)分別為i和j ;m(k)為第k種土壤類型有機(jī)質(zhì)含量平均值;r(Xi,k) Yj,k)為采樣點(diǎn)(Xi,yj)減去該點(diǎn)所屬土壤類型有機(jī)質(zhì)含量平均值后的殘差。t(xi)yj)為點(diǎn)(Xi,yj)的地形參數(shù)值,V(Xil7j)為點(diǎn)(Xi,yj)的植被指數(shù)值。即假定特定點(diǎn)位上土壤有機(jī)質(zhì)的變異首先由該點(diǎn)所處的土壤類型決定,而其殘差值則由該點(diǎn)所處的地形植被條件等局地環(huán)境因素確定;平均值m(k)和殘差r(Xi,k,yik)相互獨(dú)立; 各點(diǎn)位殘差值與局地環(huán)境因素間的關(guān)系采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型表達(dá);該模型是一種具有單隱層的三層前饋型神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)方法過程如下: (1)、依據(jù)采樣點(diǎn)土壤有機(jī)質(zhì)含量值,分別統(tǒng)計(jì)研究區(qū)中各個(gè)土壤類型土壤有機(jī)質(zhì)含量的平均值及每個(gè)土壤采樣點(diǎn)對(duì)應(yīng)的殘差值; (2)、依據(jù)計(jì)算出的各個(gè)土壤類型有機(jī)質(zhì)含量平均值和研究區(qū)土壤類型分布圖,制作研究區(qū)各土壤類型有機(jī)質(zhì)值含量平均值分布圖; (3)、以各土壤采樣點(diǎn)的地形及植被特征參數(shù)值作為網(wǎng)絡(luò)輸入,以對(duì)應(yīng)點(diǎn)位歸一化后的土壤有機(jī)質(zhì)殘差值作為網(wǎng)絡(luò)輸出,構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,在MATLAB中模擬得到研究區(qū)土壤有機(jī)質(zhì)的殘差分布圖; (4)、最后將研究區(qū)各土壤類型有機(jī)質(zhì)值平均值分布圖加上神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到的殘差分布圖,即得到研究區(qū)土壤有機(jī)質(zhì)含量空間分布圖; 4)、對(duì)照方法:選用普通克里格法、回歸克里格法及神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法作為對(duì)照方法;回歸克里格法首先采用多元逐步回歸進(jìn)行土壤有機(jī)質(zhì)與環(huán)境因子間的回歸預(yù)測(cè),再以普通克里法對(duì)回歸預(yù)測(cè)結(jié)果殘差進(jìn)行插值,最后將回歸預(yù)測(cè)結(jié)果和普通克里格法對(duì)殘差的估計(jì)值相加,即得到研究區(qū)土壤有機(jī)質(zhì)的空間分布圖;神經(jīng)網(wǎng)絡(luò)模型與普通克里格結(jié)合的方法則是以神經(jīng)網(wǎng)絡(luò)模型替代回歸克里格法中的回歸模型完成對(duì)研究區(qū)土壤有機(jī)質(zhì)的空間分布預(yù)測(cè); 5)、預(yù)測(cè)精度評(píng)價(jià)方法 采用獨(dú)立驗(yàn)證樣點(diǎn)集對(duì)各方法預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià),即隨機(jī)從2346個(gè)土壤樣點(diǎn)提取20% (469個(gè))作為驗(yàn)證點(diǎn),其余80% (1877個(gè))作為建模點(diǎn)(圖1b),以平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)和平均相對(duì)誤差(MRE)對(duì)驗(yàn)證點(diǎn)的預(yù)測(cè)值和實(shí)際觀測(cè)值進(jìn)行對(duì)比分析,得出精度評(píng)價(jià)結(jié)果。`
【文檔編號(hào)】G06F19/00GK103529189SQ201310268497
【公開日】2014年1月22日 申請(qǐng)日期:2013年6月28日 優(yōu)先權(quán)日:2013年6月28日
【發(fā)明者】李啟權(quán), 王昌全, 李冰, 張新, 高雪松, 張毅, 袁大剛 申請(qǐng)人:四川農(nóng)業(yè)大學(xué)