基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNF>BPNN-F>BPNN-G>OK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。     

基于思维进化算法径向基函数神经网络的土壤有机质空间异质性研究

提出一种基于思维进化算法径向基函数神经网络的土壤有机质空间异质性研究方法(MECRBF)。以江西省万年县为案例区,在全县范围内采集耕地表层(0~20 cm)土壤样品954个,分别采用该方法和以邻近信息和地理坐标为输入的径向基函数神经网络方法(RBF-Near),以及普通克里格法来模拟土壤有机质空间分布。以验证样本实测值和预测值的决定系数与逼近误差作为评判标准,对比各方法在县域尺度上土壤有机质空间变异和空间插值方面的效果。对763个采样点进行建模、191个验证样点进行独立验证的预测结果表明,在验证点预测中,MECRBF的均方根误差、平均绝对误差、平均相对误差较RBF-Near分别降低了0.50 g·kg^-1、0.39 g·kg^-1、1.40百分点,差异显著(P<0.05),较普通克里格法分别降低2.59 g·kg^-1、1.89 g·kg^-1、7.76百分点,差异显著(P<0.05)。从模拟效果来看,MECRBF的决定系数最高,逼近误差最小;从空间分布模拟图来看,MECRBF能更好地表达土壤有机质空间异质性。提出的MECRBF可为县域尺度下土壤性质空间异质性研究提供方法参考。     

基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

滦河流域土壤有机质的空间分布特征分析

对滦河流域72个样点的采样数据统计分析表明,土壤有机质含量的空间分布表现出明显的地域性特征。海拔50m以下的冲积平原和滨海平原地区土壤有机质含量平均为17.64 g/kg;滦河山区向下游平原的过渡地区有机质含量较低,仅为11.06 g/kg;滦河山区有机质含量较高,为21.21 g/kg,而滦河上游蒙古高原地区最低,平均含量只有10.76 g/kg;在滦河上游有森林分布地区出现一个高值区,土壤有机质的平均含量达到36.57 g/kg。全流域土壤有机质含量平均值为19.62 g/kg,低于全国平均水平。土壤有机质的空间分布与气候、植被、生物、土壤性状、地形条件以及人类活动等因素有关。     

基于MODIS和DEM的土壤有机质空间预测研究(英文)

[目的]本研究以湖南省石门县为例,采用普通克里格和基于MODIS和DEM数据的回归克里格方法,结合有限个采样数据对该区有机质进行空间预测,并进行对比分析。[方法]运用由地形参数(由DEM派生得到)、归一化植被指数(NDVI)以及由MODIS派生得到的地表温度(LST)等指标进行空间模拟,然后通过平均误差(ME)和均方根误差(RMSE)验证精度,数据的描述性统计及转换均通过软件实现。[结果]结果表明在有限个采样数据下,结合多元遥感数据的回归克里格方法优于普通克里格法,回归克里格法的平均误差和均方根误差均低于普通克里格法,相对提高值为6.03%。[结论]在低山丘陵区,运用MODIS数据及其他遥感数据对土壤有机质进行空间预测具有较好的效果。     

湖州表层土壤有机质的空间分布及相关性分析

以湖州表层土壤中有机质为研究对象,利用地统计与GIS技术相结合的方法研究该地区土壤中有机质含量的空间分布特征。结果表明,研究区土壤有机质含量呈正态分布,平均值22.3 g.kg-1,变异系数0.44。方差和地统计分析表明,土壤有机质最理想的模型为球状模型,研究区土壤有机质含量空间变异具有各向异性特征,呈中等的空间相关性。结合普通克里格插值法,获得研究区土壤有机质含量的空间分布图。相关性分析表明,土壤有机质含量与总氮含量呈显著相关。     

南洞庭湖区湿地土壤有机质及氮素空间分布特征

对南洞庭湖区3类不同类型湿地土壤有机质及全氮的空间分布特征进行了研究. 结果表明:3类湿地土壤养分差异较大,湿地表层土壤有机质和全氮含量从高到低依次为湖草滩地、芦苇滩地、泥沙滩地;土壤全氮与有机质呈极显著正相关关系(P<0.01),回归方程为y =0.093 1x-0.080 2(R2=0.943 5);土壤碳氮比都相对较低(4-9);湿地干湿交替周期、植被生长特征及pH值都是影响湿地土壤中有机质及全氮空间分布的因子.     

丘陵区土壤有机质空间分布预测的神经网络方法

土壤性质空间分布信息的准确表达是土壤资源优化利用和土壤环境保护的需要.为模拟川中丘陵区县域尺度上土壤有机质的空间分布格局,构建了以地理坐标、地形和植被因子为网络输入的径向基函数神经网络模型(RBFNN_E),并将该方法与普通克里格法(OK)、多元回归模型(MLR)和仅以地理坐标为网络输入的神经网络模型(RBFNN_C)相比较.结果表明:RBFNN_E对479个验证点模拟结果的平均绝对误差(MAE)、平均相对误差(MRE)和均方根误差(RMSE)较MLR分别降低了1.74％、1.45％和2.64％,较OK分别降低了7.77％、12.76％和3.92％,较RBFNN_C分别降低了8.89％、9.81％和7.68％.从模拟的空间分布图来看,RBFNN_E能较好地刻画环境变化引起的土壤有机质空间变异的细节信息.因此,融合环境因子的神经网络模型(RBFNN_E)不仅具有较高的模拟精度,还能更好地揭示复杂地形下土壤有机质的空间变异,使模拟结果更符合区域地学规律与实际情况,可为复杂环境条件下土壤管理、精准农业的实施以及区域环境规划等提供科学依据.     

基于归一化光谱指数的土壤有机质含量空间分布状况研究

【目的】研究土壤主要养分含量特征信息的光谱预测值,使其更具直观性、空间性及科学性,为大尺度对农田的土壤养分空间分布状况获取、评价与科学管理提供依据。【方法】利用ArcGIS 9.3的普通克里格(Ordinary Kriging)插值方法,对小面积及大尺度试验区的土壤样本点进行有机质反演插值填图,并将实验室化学测定土壤有机质含量的实测值与其高光谱模型预测值进行Kriging插值填图比较,分析土壤有机质含量的实测值与预测值的空间分布状况差异。【结果】从小面积试验区到大尺度条田地块插值后的空间分布情况来看,土壤有机质含量的光谱预测值(基于归一化光谱指数NDI[495,485]预测)与实测值之间具有较好的相似性,预测效果较好。【结论】通过土壤有机质含量信息状况的空间分布填图来确定农田分区基本管理单元的适宜尺度,为实施大区域农田养分分区精量管理的划分,提出科学的平衡施肥方案,为适合新疆及兵团特色的精准农业管理、土壤养分快速探测、精量施肥等技术提供技术理论支持。     

基于高光谱的土壤有机质含量预测模型的建立与评价

 【目的】土壤有机质含量是反映土壤肥力的重要特征，利用高光谱技术对有机质（OM）含量进行定量化反演为土壤信息化管理和资源评价提供了重要的依据。【方法】利用ASD2500高光谱仪在室内条件下测定了风干土壤样品的可见—近红外光谱，分析了不同区域范围土壤光谱反射率曲线形状变化和土壤有机质含量的变化特点，并针对东北地区以黑土为主的土样光谱反射率不同变换形式与有机质含量进行了相关性分析。【结果】结果表明，有机质含量较高的黑土的光谱曲线与其它土壤类型的光谱曲线在形状上有很大差异，即在600～900 nm附近，以黑龙江土样为代表的东北黑土表现为直缓上升，而河南和山东的潮土则表现为曲陡上升。相关分析结果表明，土壤有机质含量与原始光谱反射率在545～830 nm呈显著负相关，其中在580～738 nm波段范围内达到极显著负相关。与一阶导数光谱相关性进一步增强，在481～598 nm呈现极显著负相关，而在816～932 nm和1 039～1 415 nm波段范围内具有极显著的正相关性。土壤有机质含量与部分波段处的吸收深度和反射峰高度也表现为不同程度的相关性。【结论】利用570～590 nm波段的一阶导数光谱和1 280 nm处反射峰高度P_Depth1280可以较好地预测东北主要土壤类型有机质含量。在此基础上建立了土壤有机质含量的高光谱反演模型并进行了验证。     

结合不同辅助信息的耕地土壤有机质空间插值方法研究

耕地土壤有机质与耕地质量息息相关,其空间分布受人为因素和自然因素的双重影响.为提高空间插值模型预测精度,以福建省漳州市华安县为例,采用结合坡度、海拔高度、土地利用辅助信息的空间插值技术,探究最适合该区域的空间插值模型.结果表明:华安县耕地土壤有机质平均含量23.5 g/kg,属中等水平,变异系数为30.8％,属中等性变...     

结合不同辅助信息的耕地土壤有机质空间插值方法研究

耕地土壤有机质与耕地质量息息相关,其空间分布受人为因素和自然因素的双重影响。为提高空间插值模型预测精度,以福建省漳州市华安县为例,采用结合坡度、海拔高度、土地利用辅助信息的空间插值技术,探究最适合该区域的空间插值模型。结果表明:华安县耕地土壤有机质平均含量23.5 g/kg,属中等水平,变异系数为30.8%,属中等性变异,块金系数为55.1%,表明人为因素和自然因素对土壤有机质的空间变异的影响作用相当。结合土地利用类型的克里金插值模型精度最高,结合海拔高度的空间插值次之,结合辅助信息的空间插值与普通克里金插值相比,预测值和实测值的相关系数明显提升,均方根误差有不同程度的下降。     

新疆博斯腾湖周围白刺属植物下土壤有机质空间分布特征研究

[目的]为了探讨土壤有机质含量的统计学特征、分布特征及其与土壤盐分、pH等指标的相关性。[方法]分析和硕县内白刺属植物分布区、白刺属植物与胡杨混合分布区、白刺属植物与红柳混合分布区土壤有机质含量的分布情况。[结果]各区土壤不同深度的有机质含量依次为上层中层下层,有机质含量随深度增加而减少。表层土壤有机质含量分布规律是:白刺属植物与胡杨混合分布区白刺属植物分布区白刺属植物与红柳混合分布区;而对于垂直分布规律,各区土壤有机质含量都是从表层到下层呈现递减趋势,但是递减程度不同。白刺属植物分布区表层土壤有机质含量与全盐量呈0.05水平显著正相关,中层土壤有机质含量与Ca2+、K++Na+呈0.05水平显著正相关,下层土壤有机质含量与Mg2+、K++Na+、pH呈0.05水平显著负相关;白刺属植物与胡杨混合分布区表层土壤有机质含量与全盐量、Ca2+呈0.05水平显著正相关,中层土壤有机质除了与Ca2+呈0.05水平显著正相关以外,其他的都呈0.05水平显著负相关,下层土壤有机质含量与每个变量都呈0.05水平显著正相关;白刺属植物与红柳混合分布区表层土壤有机质含量与pH、Ca2+呈0.05水平显著负相关,中层土壤有机质含量与Mg2+呈0.05水平显著正相关,下层土壤有机质含量与pH呈0.05水平显著正相关。[结论]该研究可以为博斯腾湖周围生态环境的可持续发展提供合理的科学依据。     

大寨海绵田土壤有机质、速效养分评价与空间分布

选取土壤有机质、速效磷、速效钾、水解氮4项指标,采用模糊隶属度函数(S型)计算隶属度值,用相关系数法确定各养分指标权重,确定养分评价综合指数值,进而对大寨典型海绵田土壤养分进行评价,并分析其空间分布特点。结果表明,研究区土壤水解氮含量较为贫乏,有机质含量总体上适量,速效磷和速效钾含量相对丰富。模糊综合评价结果表明,研究区土壤养分水平主要集中在Ⅱ、Ⅲ、Ⅳ级,大寨海绵田土壤养分处于适量状态。从空间分布来看,土壤养分模糊综合评价值由南北中部地区向东北、西南两侧递减,与有机质含量分布一致,速效磷和速效钾随地势增高呈递减趋势,水解氮则呈现出高低值交叉分布的复杂格局。     

洞庭湖湿地土壤有机质空间分布及其相关性研究

以洞庭湖湿地的泥沙滩地、湖草滩地、芦苇滩地和集成垸人工杨树林为研究对象。研究了不同湿地类型的土壤有机质含量的统计学特性、土壤有机质的水平分布、垂直分布特征以及其与pH值、土壤水分和容重等指标的相关性。结果表明,4类湿地类型土壤有机质差异显著;湿地表层土壤有机质的水平分异为：湖草滩地（33.04±10.86）g/kg〉芦苇滩地（23.23±4.78）g/kg〉杨树林地（16.92±3.44）g/kg〉泥沙滩地（4.60±0.59）g/kg,除泥沙滩地外,其他3类土壤有机质含量和人为干扰因素呈负相关关系;土壤有机质的垂直分异为：除泥沙滩地外,湖草滩地、芦苇滩地和杨树林地的土壤有机质含量都是从上到下依次递减;湿地土壤有机质与pH值呈显著负相关关系（0.05水平）,Pearson相关系数为-0.594;有机质和土壤水分呈极显著的正相关关系（0.01水平）,Pearson相关系数为0.830;土壤有机质与容重呈极显著的指数负相关关系（P〈0.01）,回归方程为：Y=367.308e-2.462X（R=-0.885,N=43）。     

农田尺度下土壤有机质的空间变异

应用地统计学方法结合空间分析技术,对太湖流域典型土壤白土O～12.0 cm、12.1～20.0 cm、20.1～30.0 cm的3层土壤样本和乌栅土0～15.0 cm、15.1～28.0 cm、28.1～42.0 cm的3层土壤样本进行了数据处理和分析,并对土壤有机质含量的空间变异特征进行了探讨.结果表明:各层土壤有机质的空间相关性较弱,白土有机质含量的空间相关性低于乌栅土.