Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

基于BP神经网络的土壤养分空间插值(英文)

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

县域耕地土壤速效钾空间预测方法的比较

【目的】筛选出测土配方施肥项目中最适宜的土壤速效钾空间预测方法,为准确预测土壤养分的空间分布提供依据。【方法】以陕西汉中汉台区耕地土壤速效钾含量为研究对象,分别采用反距离加权插值法、径向基函数插值法和普通克里格插值法3种方法,在选取3种方法最优模型参数的基础上,对试验区域内2 022个土壤速效钾样点进行空间插值,并对结果进行验证及评价。【结果】通过对3种空间插值方法进行交叉验证,径向基函数插值法均方根误差为267.349,小于其他2种插值方法;其相关系数为0.687,大于其他2种插值方法。利用分区符合度法和插值结果图进一步验证,结果表明,相对于反距离加权插值法和普通克里格插值法,径向基函数插值法更能反映试验区域土壤速效钾的分布格局。【结论】径向基函数插值法较反距离加权插值法和普通克里格插值法更适宜于试验区耕地土壤速效钾的空间预测;在测土配方施肥项目实施过程中,利用分区符合度验证法对土壤养分空间预测方法进行选择是切实可行的。     

省域尺度土壤有机质空间分布的神经网络法预测

土壤有机质空间分布预测方法研究对指导省域尺度下土壤有机质空间插值模型选取和精度优化具有重要意义。以江西省为例,利用BP神经网络模型与普通克里金结合的方法(BPNN-OK)、RBF神经网络模型与普通克里金结合的方法(RBFNN-OK)以及普通克里金法(OK)3种方法,预测省域尺度下耕地表层(0~20 cm)土壤有机质的空间分布。16 109个土壤样点随机分成12 887个建模样点,3 222个测试样点。结果表明:在省域尺度下,BPNN-OK法、RBFNN-OK法较OK法在土壤有机质空间预测精度上有较大提升,三者的预测精度为BPNN-OKRBFNN-OKOK。BPNN-OK法对土壤有机质预测结果的均方根误差、平均绝对误差、平均相对误差较OK法分别降低28.66%、30.71%、34.76%,RBFNN-OK法较OK法分别降低27.76%、29.74%、33.71%。在省域尺度下,神经网络模型与普通克里金结合的方法能很好地捕捉土壤有机质的复杂空间变异关系。研究结果可指导江西省土壤有机质空间插值模型选取。     

土壤养分含量的协同克里格法插值研究

土壤养分含量的空间分布是农业领域研究的重要内容,空间插值是获取土壤养分含量空间分布的重要方法。空间插值方法很多,不同的空间插值方法结果精度各不相同。文章以石家庄城乡交错带土壤全氮、速效磷、速效钾三种养分含量为主变量,土壤有机质含量为辅助变量,选取普通克里格法和协同克里格方法,对85个采样点的土壤养分数据进行空间插值分析,获取土壤养分含量空间分布图。采用交叉验证法对其插值结果精度进行分析和评价,结果表明,采样点数量相同时协同克里格方法的结果精度明显高于普通克里格插值法;利用协同克立格法, 主变量数目在减少至70个,辅助变量不变的情况下,精度仍高于普通克里格法,且空间分布高度相似。说明在适当减少土壤样本的情况下,协同克里格法仍能保证插值精度,适合土壤养分空间插值。     

山地丘陵耕地土壤养分最优插值方法研究——以江西省渝水区水北镇为例

以江西省渝水区水北镇为研究区,利用823个采样点的耕地土壤养分数据,分析区内耕地土壤养分含量与海拔、坡度的相关性,采用协同克里格插值方法,结合海拔、坡度进行插值,并把经交叉检验后的结果与逆距离权重法、普通克里格法的结果进行比较.结果表明,结合海拔、坡度进行插值后,精度有明显提高.插值精度排序为协同克里格法>普通克里格法...     

农产品产地土壤锌环境质量评价方法比较——以吉林省舒兰市为例(英文)

[目的]探讨农产品产地土壤锌在不同环境质量评价方法中的结果精度,为农产品产地认证提供依据。[方法]以吉林省舒兰市为例,通过实地采样,实验室样品分析,运用单因子污染指数法和基于GIS的空间插值方法,根据绿色食品产地环境质量标准进行农产品产地土壤锌的环境质量评价,并进行方法比较。[结果]基于GIS的土壤锌空间插值环境质量评价方法比传统方法的精度要高;采用基于辅助因子的土壤锌协同克里格插值评价结果比普通克里格精度高;土壤锌和有机质的协同克里格插值评价方法比土壤锌与高程的协同克里格插值评价方法的精度高。[结论]基于GIS空间插值方法的土壤锌环境质量评价结果比传统方法更具科学性和合理性     

基于RBF神经网络耕地土壤全氮插值方法的研究

[目的]通过耕地土壤全氮的空间变异特性研究,可以更好地调整耕地管理措施、合理施用氮肥、减少资源浪费。[方法]利用RBF(Radial Basis Function,径向基函数)神经网络插值法对区域土壤全氮进行空间插值,同时与普通克里格法进行比较。[结果]RBF神经网络插值法在拟合能力和插值能力方面要明显优于普通克里格法。[结论]RBF神经网络法具有很好的应用前景。     

农产品产地土壤锌环境质量评价方法比较研究——以吉林省舒兰市为例

[目的]探讨农产品产地土壤锌在不同环境质量评价方法中的结果精度,为农产品产地认证提供依据。[方法]以吉林省舒兰市为例,通过实地采样,实验室样品分析,运用单因子污染指数法和基于GIS的空间插值方法,根据绿色食品产地环境质量标准进行农产品产地土壤锌的环境质量评价,并进行方法比较。[结果]基于GIS的土壤锌空间插值环境质量评价方法比传统方法的精度高;采用基于辅助因子的土壤锌协同克里格插值评价结果比普通克里格精度高;土壤锌和有机质的协同克里格插值评价方法比土壤锌与高程的协同克里格插值评价方法的精度高。[结论]基于GIS空间插值方法的土壤锌环境质量评价结果比传统方法更具科学性和合理性。     

采样数量和分布模式对土壤有机质空间插值精度的影响

基于北京市大兴区南部郊区平原农用地的高密度土壤样点,结合GIS和空间插值方法,对研究区的样点数据进行随机抽样生成不同数量的数据集,探讨采样点数量和分布模式对土壤有机质空间预测插值精度的影响。研究结果表明:(1)利用不同方式确定的合理采样点数量由高到低依次是插值方法的精度要求、变异函数拟合效果、正态分布法和均值及变异函数的满足小于5%相对误差;(2)变异函数拟合效果总体随着采样点数量的增加呈梯度式增强,但495点集优于825点集;相同样点分布模式下变异函数拟合效果相似;(3)相同样点集的不同插值方法预测精度存在差异,最佳插值方法不同;2272、825、115点集BEK都是最优,1485、495和83点集分别是SWT、SK和LPI最优;(4)样点间最近邻距离分布模式中P值小于0.05,插值模型对土壤有机质插值精度低;P0.05,R比率接近1,样点分布强于样点数量对插值模型对预测精度的影响;其P0.05且R比率大于1.20,各常规插值方法能得到较稳定的插值精度。