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。     

邵阳县稻田土壤养分空间预测方法精度对比研究

利用反距离加权法(IDW)、局部多项式(LPI)、克里格插值法(Kriging)对湖南省邵阳县水稻土的3种主要亚类共6 051个样点的有机质、碱解氮、有效磷、速效钾4种土壤养分进行空间预测精度研究.结果表明:淹育性水稻土有机质、潜育性水稻土有效磷采用局部多项式整体插值效果相对更好,而淹育性水稻土的碱解氮、有效磷、速效钾,潜育性水稻土的有机质、碱解氮、速效钾和潴育性水稻上的有机质、碱解氮、有效磷、速效钾等土壤养分均以克里格插值法整体效果相对更好.     

天津表土DDT浓度的空间插值方法研究

分别运用反距离加权插值法（IDW）、反距离平方加权插值法（ISDW）、多项式回归法（PR）、双线性插值法（BI）以及普通克里格法（OK）共5种方法对天津表土188个采样点的DDT浓度数据进行了空间插值,并对插值精度进行了评估和比较。结果表明,上述5种方法均无系统误差,且方均根误差（RMSE）差别不大,从误差分布来看,普通克里格法表现稍好。188点中,普通克里格法插值误差在0.5和1.0个对数单位以内的百分比分别为62.2%和91.5%。在表土DDT浓度突变的局部,所有插值方法的误差都超过一个对数单位。相对于其他4种插值方法而言,普通克里格法生成的空间插值图,更能准确表达天津表土DDT浓度的空间分布特征,其细部的浓度变化也更清晰。     

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。     

西南丘陵地区土壤有机质含量的空间插值法研究

通过对重庆市梁平县仁贤镇105个土壤采样点的有机质含量与海拔高度的关系进行分析,提出了结合海拔高度对逆距离权重法和克里格插值法改进的插值方法,并用改进前后的方法对研究区土壤有机质含量进行插值获取土壤有机质含量的空间分布图,进行交叉检验。结果表明,结合海拔高度改进的插值方法插值结果精度有比较明显的提高。对逆距离权重法,考虑海拔高度的平均绝对误差（MAE）从0.0819％降到了0.0008％,均方根误差（RMSE）从0.1034％降到了0.0014％;对克里格插值法,考虑海拔高度的平均绝对误差（MAE）从0.0764%降到了0.0031％,均方根误差（RMSE）从0.0986％降到了0.0039％。在4种插值法中结合海拔高度的逆距离权重法最优。     

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。     

南方丘陵耕地土壤有机质空间插值精度比较——以衢江区为例

以浙江省衢江区的耕地地力调查有机质数据为基础,比较分析普通克里格（OK）和反距离加权插值法（IDW）的有机质插值精度。研究结果表明,在同样的数据处理条件下,反距离加权插值优于普通克里格;在同一插值方法下,对按地形地貌分类、按耕地利用方式分类与整体不分类型3种情况比较,按耕地利用进行分类处理略优于按地形地貌分类处理,而按耕地利用分类和按地形地貌分类后插值精度均明显优于整体不分类型处理。     

西南丘陵地区土壤有机质含量的空间插值法研究

通过对重庆市梁平县仁贤镇105个土壤采样点的有机质含量与海拔高度的关系进行分析, 提出了结合海拔高度对逆距离权重法和克里格插值法改进的插值方法, 并用改进前后的方法对研究区土壤有机质含量进行插值获取土壤有机质含量的空间分布图, 进行交叉检验. 结果表明, 结合海拔高度改进的插值方法插值结果精度有比较明显的提高. 对逆距离权重法, 考虑海拔高度的平均绝对误差(MAE)从0.081 9%降到了0.000 8%, 均方根误差(RMSE)从0.103 4%降到了0.001 4%;对克里格插值法, 考虑海拔高度的平均绝对误差(MAE)从0.076 4%降到了0.003 1%, 均方根误差(RMSE)从0.098 6%降到了0.003 9%. 在4种插值法中结合海拔高度的逆距离权重法最优.     

基于GIS海南岛气象要素空间插值法比较分析

应用普通克里格插值法(OK)、反距离权重插值法(IDW)、样条插值法(Spline)以及混合插值法(MLR)对海南岛18个长期气象观测站1979～2008年年均气温、年降水量、年日照时数以及年积温进行空间栅格化,并进行结果对比分析。结果表明:通过交叉检验的MAE和RMSIE的误差分析表明,MLR插值精度最高,样条插值法插值精度最低,普通克里格与反距离权重插值法插值精度接近。总体来看,混合插值法(MLR)是海南岛气象要素最优空间插值法。     

基于ArcGIS的污染场地土壤铬空间格局分析

以某铬盐生产废弃场地为例,运用空间数据管理平台ArcGIS以普通克里格插值法、趋势分析法评估污染物铬（Cr）在场地土壤中的空间分布格局并实现其可视化表达.普通克里格插值分析表明场地污染物Cr主要集中在中上层土壤且Cr污染在各层中部污染较其他区域严重,Cr在场地中的空间分布与原厂工艺布局关联度较高;趋势分析与克里格插值空间分析结果具有较好的一致性,场地空间数据分层统计,合理地利用了空间插值分析中区域变量的自相关假设,提高了评估成果的可靠性.     

基于对数比转换的成分数据空间插值研究

【目的】以新疆玛纳斯河绿洲表层土壤质地数据为例,研究对数比转换方法在成分数据空间插值中的应用。【方法】采用加法、中心化和等角3种不同对数比转换方法,对土壤颗粒含量数据进行转换,针对数据中的零值不能进行对数比转换问题引入了零值替换方法,空间插值采用普通克里格法。【结果】零值替换后土壤颗粒之和仍为100%。基于对数比转换的插值结果满足土壤质地颗粒组成定和100%的要求,而对土壤颗粒单独插值不满足定和100%的要求。插值结果精度评价表明基于等角对数比转换方法的插值结果最优,但3种方法的结果差别甚小。【结论】零值替换方法的引入在不改变成分数据定和的前提下避免了零值不能进行对数比转换。基于对数比转换的普通克里格法满足成分数据空间插值的非负、定和、误差最小和无偏估计4个要求。     

基于混合并行的Kriging插值算法研究

普通Kriging方法是进行空间降水插值的一种有效方法。然而一方面由于海量数据插值计算量大,另一方面该算法的时间复杂度大,为减少空间降水插值的计算时间,采用OpenMP和MPI混合并行技术,实现Kriging并行算法。在Windows操作系统上搭建并行计算环境,实验数据表明,该并行算法能有效地节省计算时间。     

高斯序贯模拟与克里格插值2种土壤重金属污染分析方法的比较(英文)

[目的]探讨克里格插值和高斯序贯模拟2种方法在土壤重金属污染分析中的差异,以期为土壤重金属污染分析方法的选择提供参考依据。[方法]以山东聊城某县重金属铜采样数据为研究对象,利用克里格插值和高斯序贯模拟2种方法进行土壤重金属铜的空间分布建模模拟。并选择30个采样点作为交叉验证数据集,对2种插值方法进行对比分析。[结果]克里格方法和高斯序贯模拟在均值段和极值段的模拟各有优势,研究者应根据试验数据的特点及应用目的对二者进行选择使用。[结论]土壤重金属污染分析是土壤治理、生态修复的前提,该研究结果对于根据不同目的需求来选择不同的插值、模拟方法具有重要意义。     

高斯序贯模拟与克里格插值2种土壤重金属污染分析方法的比较

[目的]探讨克里格插值和高斯序贯模拟2种方法在土壤重金属污染分析中的差异,以期为土壤重金属污染分析方法的选择提供参考依据。[方法]以山东聊城某县重金属铜采样数据为研究对象,利用克里格插值和高斯序贯模拟2种方法进行土壤重金属铜的空间分布建模模拟。并选择30个采样点作为交叉验证数据集,对2种插值方法进行对比分析。[结果]克里格方法和高斯序贯模拟在均值段和极值段的模拟各有优势,研究者应根据试验数据的特点及应用目的对二者进行选择使用。[结论]土壤重金属污染分析是土壤治理、生态修复的前提,该研究结果对于根据不同目的需求来选择不同的插值、模拟方法具有重要意义。     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

普通克里格评估土壤污染物空间分布精度控制研究

从数据的统计特征分析、异常值筛选及处理、实验半变异函数计算及拟合等方面对普通克里格计算过程中的精度控制问题进行了初步研究,并以天津市东南郊区土壤砷(As)空间分布评估为例,分析了在多步骤精度控制下普通克里格法估计土壤污染物空间分布的可靠性.结果表明,研究区土壤As表现出了明显的累积特征,且监测值为正态分布,异常值较少且为局部异常值,实验半变异函数表现出明显的各向异性.在较严格的精度控制下,普通克里格估值的最优无偏特性可以得到较好的体现,其对土壤As的空间分布的估计精度可以达到较高的水平.     

Creating Field Extent Digital Elevation Models for Precision Agriculture

This paper presents a comparison of techniques for the interpolation of elevation data collected using a global positioning system. The techniques examined included global and local regression models and kriging of the residuals, global and local kriging, and the TOPOGRID tool in Arc Info. The results demonstrated the superiority of the TOPOGRID tool.     

黄土高原降水量的空间插值方法研究

在地统计学和地理信息系统支持下,采用多种插值方法对黄土高原降水量进行了空间插值研究, 并探讨了气象站点密度与布局对插值结果的影响。结果表明,地统计学方法优于传统的反距离加权插值、多项式插值和径向基函数插值方法;考虑高程影响的普通协克里金方法优于一般的克里金方法和简单协克里金方法。通过空间插值得到了黄土高原降水量分布图,由该降水量分布图可知,黄土高原降水量总体呈现西北低、东南高的态势,界限很明显;年均降水量在100-800 mm,主要集中在200-600 mm内,以半湿润-半干旱气候为主。     

Improved Prediction and Reduction of Sampling Density for Soil Salinity by Different Geostatistical Methods

The spatial estimation for soil properties was improved and sampling intensities also decreased in terms of incorporated auxiliary data. In this study, kriging and two interpolation methods were proven well to estimate auxiliary variables： cokriging and regression-kriging, and using the salinity data from the first two stages as auxiliary variables, the methods both improved the interpolation of soil salinity in coastal saline land. The prediction accuracy of the three methods was observed under different sampling density of the target variable by comparison with another group of 80 validation sample points, from which the root-mean-square error （RMSE） and correlation coefficient （r） between the predicted and measured values were calculated. The results showed, with the help of auxiliary data, whatever the sample size of the target variable may be, cokriging and regression-kriging performed better than ordinary kriging. Moreover, regression-kriging produced on average more accurate predictions than cokriging. Compared with the kriging results, cokriging improved the estimations by reducing RMSE from 23.3 to 29% and increasing r from 16.6 to 25.5%, regression-kriging improved the estimations by reducing RMSE from 25 to 41.5% and increasing r from 16.8 to 27.2%. Therefore, regression-kriging shows promise for improved prediction for soil salinity and reduction of soil sampling intensity considerably while maintaining high prediction accuracy. Moreover, in regression-kriging, the regression model can have any form, such as generalized linear models, non-linear models or tree-based models, which provide a possibility to include more ancillary variables.