基于贝叶斯最大熵的多因子空间属性预测新方法

为了在空间数据预测时充分利用样点和环境数据,提出了在贝叶斯最大熵方法框架下将经典地统计方法与环境相关法结果融合、利用多源数进行空间预测的新方法;并以湖北省京山县土壤有机质含量为例,验证该方法的可行性.以由数字高程模型(digital elevation model,DEM)生成的各种相关地形因子作为环境数据,并分为密集建模集Ⅰ(330个样点)和稀疏建模集Ⅱ(100个样点),分别用普通克里金法和本文所提方法进行土壤有机质空间预测,用预留的50个样点进行精度分析.结果表明:本文所提方法的预测精度较普通克里金法的高,其Ⅰ和Ⅱ2组建模集精度分别提高了10.95%和22.72%,特别在样点较稀疏时,在相关环境因子的辅助下,精度提高幅度更大.说明将经典地统计方法与环境相关法结果相融合的多因子空间属性预测方法使预测结果既能体现样点的空间自相关,又能体现被预测属性与其他属性间的相关性.     

基于GIS和RS技术的测土配方施肥系统设计与实现

从GIS和RS技术出发,设计实现具备数据管理、地图制图、耕地地力评价、施肥建议和变化监测等功能的测土配方施肥系统。研究结果表明,系统界面操作简单、交互性好,具有较强的空间分析和信息可视化的能力,大大促进测土配方施肥工作的开展。     

基于范畴型变量和贝叶斯最大熵的土壤有机质空间预测

选取湖北省沙洋县为研究区域,以土壤质地与土壤有机质定量关系为辅助信息,利用贝叶斯最大熵(BME)方法对沙洋县土壤有机质含量进行空间预测,并与以土壤质地和土壤全氮为辅助变量的协同克里格方法预测结果精度作对照,探讨两种方法的预测效果。结果表明,协同克里格方法和BME方法均能较好反映研究区有机质空间分布特征。在辅助变量与土壤养分存在显著相关性条件下,BME方法能更好地利用范畴型变量等多种类型辅助信息。比较极值误差范围、平均绝对误差、均方根误差等方面,BME方法在土壤属性空间预测方面具有更高精度,且能有效降低数据获取成本和难度,在县域尺度土壤属性空间预测上具有更大优势。     

基于环境因子和联合概率方法的土壤有机质空间预测

<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相     

基于时空克里格的土壤重金属时空建模与预测

土壤重金属或其他生态环境属性在时间和空间上均存在连续性和变异性,而目前的研究忽略了它们在时间维的变异。为了在预测时使用多时期采样数据,该文提出使用时空克里格方法对土壤重金属进行时空建模及预测,着重介绍了经验半方差值的计算、理论变异模型的形式及参数拟合、时空克里格估值算法、估值方差和精度随邻近点数量的变化及时空克里格制图。以武汉市青山区土壤重金属为例介绍了时空克里格建模及预测的流程。结果表明,时空克里格方法能够很好地描述土壤重金属在空间、时间和时空上3个部分的变异特征,能够利用其他时期的数据对预测时间点的属性进行插值,而多时期的属性空间分布图能够很好地反映土壤重金属的分布变化规律。该研究可为资源环境生态时空建模及预测研究提供参考。