排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
DEM栅格分辨率对多元线性土壤—景观模型及其制图应用的影响 总被引:6,自引:1,他引:6
以亚热带丘陵地区为对象,以该区4 km×3 km的5 m、10 m、15 m、20 m、25 m、30 m数字高程模型(DEM)为基础,建立多元线性土壤景观模型,并应用该模型预测研究区内土壤表层有机质含量分布,进而比较不同分辨率DEM中土壤景观模型及其预测制图的精度。结果表明:在本研究区11 km2范围内,随着DEM栅格分辨率降低,坡度、曲率、比汇水面积(对数)频度均表现出了向其中值区集中的趋势;地形因子的这一变化规律对土壤景观模型的影响较小,例如模型的变量、变量系数及R2在不同分辨率DEM中的差异很小;但地形因子的这一变化规律对模型预测制图的精度具有较大影响,各项指标均说明,模型在10~25 m DEM中的制图精度较高,而在更高分辨率(5 m)或更低分辨率(30 m)DEM中较低。本研究结果对其他亚热带丘陵地区具有一定的指示意义。 相似文献
2.
[目的]为了探讨多种两步模式三维制图方法的准确度影响因素及其规律。[方法]以华南典型丘陵区1个面积约5 km2的林场内土壤有机碳为研究对象,分别使用样条函数、指数函数和幂函数作为深度函数,普通克里格和随机森林作为水平制图方法,以及两步模式的2种不同制图形式(称为形式A和B),进行土壤有机碳含量的三维预测制图,并探究不同的深度函数、水平制图方法或制图形式对两步模式三维制图结果的影响规律。[结果](1)深度函数在很大程度上决定制图结果在垂直和水平方向上的变异,表现在制图结果的变异在3个深度函数之间差异较大,其中指数函数上的变异最大,幂函数上最弱,而水平制图方法(普通克里格与随机森林)对制图结果的垂直变异影响不大,但对表层的空间变异影响较大;(2)样条函数由于模拟的深度曲线与实测点吻合得最好,因而准确度最好,表现在基于样条函数的三维制图一致性相关系数(CCC)为0.72~0.75,均高于同种制图形式下的其他函数(CCC为0.64~0.74),而水平制图方法中普通克里格的制图效果好于随机森林,表现在前者的CCC为0.67~0.75,后者的CCC为0.64~0.72;(3)... 相似文献
3.
基于模糊集理论提取土壤—地形定量关系及制图应用 总被引:8,自引:1,他引:8
通过对研究区地形因子的模糊聚类,提取了地形因子组合与特定土壤属性的定量隶属度关系,然后对隶属度高值区土壤进行目的性采样为隶属度函数赋值,制作研究区土层厚度连续分布图。通过野外实地验证,将观测值与图中预测值比较,结果显示该方法制图精度在82%左右,具有一定的可靠性。进一步考察认为该模型在地形部位较低,地势较为平坦,土壤发育较好,土层较厚,成土环境相对稳定的地区预测效果更好,适用性更强。该方法能提高土壤制图效率,降低制图成本,提高制图精度,对土壤微域变异的表现更为详细,图面信息负载量更高。应用该方法制作大比例尺土壤详图不失为土壤调查与制图领域一种可行的新方法。 相似文献
4.
基于REML的普通克里格和回归克里格在土壤属性空间预测中的比较 总被引:1,自引:2,他引:1
比较普通克里格与回归克里格预测精度的研究还存在着不同观点和结论,且现有的对比研究多使用矩量法(Mo M)计算变异函数。有限最大似然(REML)方法相比Mo M方法具有明显的优点,因而有必要使用REML方法来比较普通克里格与回归克里格的预测精度,为土壤属性空间预测提供方法优选的参考依据。本文在广西南宁高峰林场采集土壤样品,测定有机碳、pH和粘粒含量,再基于REML建立普通克里格和回归克里格模型,同时比较普通克里格、回归克里格以及多元线性回归的预测精度,并分析影响预测精度的因素。结果表明:空间相关性较弱且线性回归模型的决定系数较大时(约大于20%),回归克里格优于普通克里格;相反地,空间相关性较强或较弱且线性回归模型的决定系数较小时(约小于10%),普通克里格预测精度优于回归克里格。同时,线性回归模型的决定系数还影响普通克里格与回归克里格的精度提高的幅度。此外,回归克里格的精度一般不低于多元线性回归,且线性回归模型的决定系数越小,则回归克里格越优于多元线性回归。因此,本研究认为,线性回归模型的决定系数和土壤属性的空间相关性是影响普通克里格与回归克里格精度差异的主要因素。 相似文献
5.
基于正交信号校正的Vis-NIR光谱土壤质地预测 总被引:1,自引:0,他引:1
为提高基于VIS-NIR光谱的土壤质地预测精度,引入了正交信号校正(OSC)光谱预处理算法。分别用原始光谱、微分处理、OSC处理光谱,建立偏最小二乘回归(PLSR)模型。结果表明,OSC-PLSR模型验证精度高于其他两种方法所建模型,砂粒含量OSC-PLSR模型的RMSEp为5.94,粘粒含量OSC-PLSR模型RMSEp为1.25,相比PLSR模型,分别降低22.22%和9.42%。OSC算法在土壤质地的VIS-NIR反演中能有效消除不相关因素的影响,提高模型预测精度。 相似文献
6.
在广西松树、杉木、桉树人工林种植区建立10个监测区,连续2年收集各区域降雨量,并多次采集林区地表水用于监测DO、BOD_5和TN等水质指标,分析不同林分区域降雨特征及其对地表水水质的影响。研究结果表明,降雨量在不同区域分布不均衡,在不同月份分布亦不均衡,2015和2016年不同区域累积降雨量按从大到小的顺序排列为桂北桂中桂东桂南,降雨量主要集中分布在4~11月;按照降雨强度划分标准,降雨强度为大雨的累积降雨量及其占全年降雨总量比例均最高,降雨强度为小雨的降雨总天数及其占全年降雨总天数比例均最高;水质受暴雨和大暴雨的降雨量影响较大,受小雨、暴雨和大暴雨的降雨天数影响较大。 相似文献
7.
应用伽马射线和可见近红外光谱测定土壤容重 总被引:1,自引:0,他引:1
现有的土壤容重测定方法存在诸多不足,不能满足快速发展的精准农业、生态环境模拟、土壤碳储量估算等对大量、准确容重数据的需求。鉴于此,有研究提出γ射线衰减与可见-近红外并用测定土壤容重的方法,并成功地将该方法应用于土壤碳储量估算中,得到了较好的应用结果。为了检验该方法在我国南方丘陵区土壤容重测定上的准确性和适用性,本研究采集了广西南宁丘陵区的土壤样品,使用该方法计算出土壤容重,并与传统环刀采样烘干称重法的容重结果进行比较。结果表明,两者测定的土壤容重具有较高的回归决定系数,R~2可达0.92,且两者间的均方根误差较低,仅占土壤容重平均值的4.48%。因此,本研究认为,γ射线衰减与可见-近红外并用测定土壤容重在我国南方丘陵区有较好的准确性和适用性。 相似文献
8.
预测性土壤有机质制图中模糊聚类参数的优选 总被引:6,自引:2,他引:6
对数字高程模型(DEM)中的地形特征进行模糊C均值聚类,分别采用3种方法来选择最优模糊度和分类数组合及分类结果;在最优分类结果上,用多元线性回归方法建立土壤A层有机质含量与地形景观之间的定量关系,并应用该关系进行土壤制图应用.结果表明:3种方法选择的最优模糊度比较接近,主要为1.5,还包括1.4和1.6,但3种方法选择的最优分类数却有很大差别;尽管依据回归模型γ2选择的分类结果较多地解释了土壤A层有机质含量的变异,但基于这种分类结果的制图偏差较大,与实测值相比较的结果也说明基于这种分类结果的制图精度较低;用内部判据选择的分类结果在制图过程中产生的偏差较小,制图精度也较高. 相似文献
9.
当前,随着大数据和人工智能的快速发展,深度学习也逐渐被引入数字土壤制图(DSM)研究中。作为深度学习的重要基础之一,人工神经网络(ANN)在DSM中的应用已比较广泛。然而,ANN在40 km2以下的小区域上应用较少,且与其它常用模型的比较研究还不多。因此,在不同的情况下,还没有充分的依据来选用复杂的ANN及其与地统计的混合模型,还是简单的多元线性回归(MLR)、随机森林(RF)、普通克里格(OK)、回归克里格(RK)等方法进行土壤制图。为此,本文以广西高峰林场内一地形变异明显的小区域(面积约3.03 km2)为研究区,以13个地形因子和1个植被因子作为辅助变量,用ANN中常用的径向基神经网络(RBFNN)及其与OK相结合的模型(RBFNN-OK),对土壤有机碳(SOC)含量的空间分布进行预测,并与MLR、RF、OK、RK方法所得结果相比较。结果表明,与其他方法相比,RBFNN-OK和RBFNN在独立随机样本的验证集上预测准确性明显偏低;RBFNN-OK及RBFNN模型预测值的均方根误差值(RMSE)分别为6.57 g kg-1 相似文献
10.
应用土壤-景观定量模型预测土壤属性空间分布及制图 总被引:12,自引:2,他引:12
以土壤-景观定量模型为基础的土壤制图方法在世界范围内得到了广泛研究。本文在皖南宣城的丘陵地带内选择研究区,从该区的数字高程模型(DEM)中获取景观信息:地形因子,定量地分析了土壤属性与地形因子之间的相关关系,并建立基于该关系的线性土壤-景观定量模型,最后应用该模型来预测土壤属性在空间上的分布并制图。结果表明:土体厚度和表层有机质含量与地形因子之间有着显著相关性;建立的线性回归模型分别能解释土体厚度、表层有机质含量空间变异的32.2%和35.3%;依据该模型预测的土体厚度和表层有机质含量具有较高的准确度,并能制图表达土壤属性在空间上的自然连续性。 相似文献